Un nuevo análisis basado en AI de aproximadamente 10,000 ataques ha descubierto las primeras combinaciones no identificadas de factores de riesgo asociados con graves consecuencias negativas del embarazo, incluido el nacimiento del acero.
Este estudio también encontró que puede haber una diferencia de diez veces para los niños que actualmente son tratados por igual bajo pautas clínicas.
Autora principal de este estudio, Nathan Blue, MD dice que los investigadores que han desarrollado el modelo de IA han ayudado a identificar la combinación “realmente inesperada” de factores de alto riesgo, y que el diagnóstico del modelo de un riesgo más personal es un importante riesgo importante. Pase hacia el embarazo y el embarazo. Cuidado.
Se han publicado nuevos resultados BMC Embarazo y nacimiento del bebé.
Riesgos inesperados
Los investigadores lanzaron los ataques de 9.558 en todo el país en todo el país con el conjunto de datos actual, con la ayuda de personas embarazadas a su presión arterial, historial médico y el peso del feto, así como las consecuencias sociales y físicas de cada embarazo incluyen información. Utilizando la IA para encontrar muestras en los datos, identificaron una nueva combinación de propiedades de maternidad y fetales que estaban vinculadas a los resultados del embarazo poco saludable, como la litera de acero.
En general, los fetales femeninos tienen un riesgo ligeramente menor de complicaciones que el feto masculino, un efecto pequeño pero bien establecido. Pero el equipo de investigación descubrió que si una persona embarazada tiene una diabetes preexistente, el feto de las mujeres tiene más riesgo que los hombres.
Hablando en la Universidad de Utah de la Universidad de Utah, Fox ACLS School of Medicine and Assistant Professor Blue, Blue, dice que no se ha descubierto anteriormente que los investigadores modelo de IA ayudan a los investigadores a aprender cosas nuevas sobre la salud del embarazo. “Descubrió algo que podría usarse para hacer algo para ser utilizado para informar que incluso un médico realmente flexible y experimentado no reconocía el cerebro”, dice Blue.
Los investigadores estaban especialmente interesados en producir mejores estimaciones de riesgo para el fetal en el 10 % más bajo para el peso, pero no un 3 % por debajo. Estos niños son tan jóvenes de lo que son, pero tan grandes que generalmente son perfectamente saludables. En estos casos, la mejor manera de tomar medidas prácticas es difícil de averiguar: ¿deberá ser el embarazo altamente monitoreado y potencialmente el parto inicial, o puede avanzar como una rutina masiva? Las pautas clínicas actuales recomiendan un monitoreo altamente médico para todo el embarazo, lo que puede representar una importante carga emocional y financiera.
Pero los investigadores encontraron que el riesgo de resultados de embarazo poco saludables, dentro de la clase fetal, varía ampliamente, con un riesgo promedio de un embarazo promedio, aproximadamente diez veces mayor que el riesgo promedio. Este riesgo se basó en la combinación de factores como el sexo del feto, la presencia o ausencia de diabetes preexistente y la ausencia de feto, como la presencia o ausencia de una insuficiencia cardíaca.
Blue ha enfatizado que el estudio solo detectó la conexión entre las variables y no proporciona información sobre cuál es realmente la causa de las consecuencias negativas.
Blue dice que una amplia gama de riesgos es respaldada por intuitivo terapéutico. Los médicos experimentados saben que los fetos de muy bajo peso son saludables y usarán muchos factores adicionales para llamar a decisiones individuales sobre el riesgo y el tratamiento. Pero un dispositivo para el diagnóstico de riesgo de IA puede proporcionar beneficios significativos que las “verificaciones intestinales”, lo que ayuda a los médicos a hacer recomendaciones notificadas, reproductivas y justas.
¿Por qué?
Para los modelos humanos o de IA, estimar el riesgo de embarazo incluye una gran cantidad de variables, desde la salud de la maternidad hasta los datos de ultrasonido. Los médicos experimentados pueden sopesar todas estas variables para tomar decisiones de atención individual, pero incluso el mejor médico puede no poder adivinar cómo alcanzaron su decisión final. Los factores humanos como los prejuicios, el estado de ánimo o la falta de sueño son casi inevitables en la mezcla y pueden eliminar la decisión decisiva del cuidado ideal.
Para ayudar a resolver este problema, los investigadores utilizaron un tipo de modelo llamado “AI Crede”, que proporciona al usuario el riesgo estimado de un conjunto de factores de embarazo y también incluye la medida en que las variables han desempeñado un papel importante en esta estimación de riesgo, y cuanto. A diferencia de la IA de “caja cerrada” cada vez más familiar, que también es en gran medida imperdonable para los expertos, el modelo explicativo “muestra su trabajo”, muestra las fuentes de prejuicio para que puedan abordarse.
Básicamente, la explicación AI se está acercando a la flexibilidad de la decisión clínica experta, evitando sus defectos. Los modelos de los investigadores son especialmente adecuados para decidir el riesgo de un escenario de embarazo raro, lo que evalúa con precisión los resultados para las personas con una combinación única de factores de riesgo. Tal dispositivo eventualmente puede ayudar a cuidar a las personas a hacer cuidado guiando decisiones informadas, cuyas condiciones son de una.
Los investigadores aún necesitan probar y verificar su modelo en la nueva población para garantizar que pueda predecir la amenaza en condiciones del mundo real. Pero Blue tiene la esperanza de que un modelo explicativo basado en IA pueda ayudar a diagnosticar y tratar el riesgo durante el embarazo. “Los modelos de IA pueden estimar esencialmente el riesgo específico para el contexto de una persona determinada”, dicen, “y pueden hacerlo transparente y reproductivamente, que nuestras mentes no pueden” “
Él dice: “Tales calificaciones cambiarán en nuestro campo.
