{"id":169983,"date":"2020-03-28T11:18:22","date_gmt":"2020-03-28T15:18:22","guid":{"rendered":"https:\/\/patientworthy.wpengine.com\/2020\/03\/28\/el-aprendizaje-automatico-cambia-la-dinamica-del-diagnostico-de-la-enfermedad-renal\/"},"modified":"2020-03-28T11:19:00","modified_gmt":"2020-03-28T15:19:00","slug":"el-aprendizaje-automatico-cambia-la-dinamica-del-diagnostico-de-la-enfermedad-renal","status":"publish","type":"post","link":"https:\/\/patientworthy.com\/es\/2020\/03\/28\/el-aprendizaje-automatico-cambia-la-dinamica-del-diagnostico-de-la-enfermedad-renal\/","title":{"rendered":"El Aprendizaje Autom\u00e1tico Cambia la Din\u00e1mica del Diagn\u00f3stico de la Enfermedad Renal"},"content":{"rendered":"

La enfermedad renal sigue a otros trastornos como un objetivo para el aprendizaje autom\u00e1tico nuevo y mejorado. Como se public\u00f3 en una edici\u00f3n reciente de Science Daily<\/a><\/em>, los pat\u00f3logos a menudo han clasificado las enfermedades renales en funci\u00f3n de las evaluaciones visuales de los ri\u00f1ones.<\/p>\n

El aprendizaje autom\u00e1tico, t\u00e9cnicamente una rama de la IA, ha demostrado potencial para aumentar la precisi\u00f3n para clasificar estas enfermedades. Fue concebido con la idea de que las m\u00e1quinas no solo pueden procesar datos, sino que tambi\u00e9n pueden aprender sin supervisi\u00f3n humana. El aprendizaje autom\u00e1tico incluye aprender de los datos, identificar patrones y tomar decisiones.<\/p>\n

Dos estudios sobre el tema fueron publicados por (JASN) Journal of the American Society of Nephrology.<\/p>\n

El primer estudio involucr\u00f3 a dos m\u00e9dicos de la Escuela de Medicina de Jacobs que lideraron a su equipo en el desarrollo de una f\u00f3rmula computacional (algoritmo) que funciona completamente por s\u00ed sola para evaluar el trastorno renal diab\u00e9tico.<\/p>\n

La f\u00f3rmula ha sido desarrollada para examinar im\u00e1genes digitales de una biopsia renal. Se extrae informaci\u00f3n sobre los glom\u00e9rulos. Estos son peque\u00f1os vasos sangu\u00edneos capilares en el ri\u00f1\u00f3n donde los desechos se filtran y forman orina. La diabetes causa da\u00f1o progresivo y cicatrices en los glom\u00e9rulos.<\/p>\n

Cada biopsia renal implica de diez a veinte glom\u00e9rulos individuales. El algoritmo encuentra su subcomponente en las im\u00e1genes digitales y registra las mediciones para cada uno.<\/p>\n

Al igual que un m\u00e9dico escanea la biopsia de un paciente, el algoritmo examina la estructura de cada uno de los glom\u00e9rulos que ha registrado e incorpora esa informaci\u00f3n en su an\u00e1lisis.<\/p>\n

Las muestras de cincuenta y cuatro diab\u00e9ticos con enfermedad renal fueron clasificadas digitalmente por los investigadores. Se descubri\u00f3 que se ajustaban a las clasificaciones presentadas por tres pat\u00f3logos.<\/p>\n

El Segundo Estudio<\/strong><\/p>\n

Un segundo art\u00edculo de JASN describi\u00f3 otro estudio que se realiz\u00f3 en el Centro M\u00e9dico de la Universidad Radboud en los Pa\u00edses Bajos. El equipo utiliz\u00f3 el aprendizaje autom\u00e1tico en su examen de biopsias tomadas de pacientes que recibieron trasplantes de ri\u00f1\u00f3n. Adem\u00e1s de examinar los glom\u00e9rulos, este estudio evalu\u00f3 varias clases de tejido renal.<\/p>\n

Red neuronal convolucional (CNN, por sus siglas en ingl\u00e9s)<\/strong><\/p>\n

CNN es un modelo de aprendizaje profundo en una clase de redes neuronales. CNN se puede aplicar a los tejidos de biopsias y muestras de nefrectom\u00edas (extirpaci\u00f3n renal). El modelo es efectivo para analizar tejidos enfermos y sanos. Sus m\u00e9todos de clasificaci\u00f3n se ajustan a los utilizados en los m\u00e9todos est\u00e1ndar.<\/p>\n

Inteligencia Artificial (IA)<\/strong><\/p>\n

Los investigadores aplicaron IA para la precisi\u00f3n en el an\u00e1lisis de tejido del trasplante de ri\u00f1\u00f3n. El Dr. Van der Laak, el co-l\u00edder del estudio, explic\u00f3 que el uso de IA generar\u00e1 datos m\u00e1s precisos. Tambi\u00e9n mejorar\u00e1 el diagn\u00f3stico y la supervivencia de los \u00f3rganos de los pacientes que se sometieron a trasplantes.<\/p>\n

El m\u00e9dico se complaci\u00f3 en anunciar que el desempe\u00f1o de CNN super\u00f3 sus expectativas. Sin embargo, el equipo incluy\u00f3 ocho clases adicionales de tejido. En este caso, la red no super\u00f3 al observador humano.<\/p>\n

El equipo deb\u00eda determinar si ciertas estructuras esenciales (t\u00fabulos renales) estaban en un estado atr\u00f3fico (desapareciendo). El equipo actualmente se esfuerza por mejorar la precisi\u00f3n en esta clasificaci\u00f3n.<\/p>\n

En este momento, el aprendizaje autom\u00e1tico solo se ha aplicado a los ri\u00f1ones y se ha limitado al an\u00e1lisis de una estructura.<\/p>\n

Los investigadores que trabajan con el aprendizaje autom\u00e1tico creen que en el futuro pueden extraer m\u00e1s informaci\u00f3n del tejido renal para apoyar la evaluaci\u00f3n de un trasplante de ri\u00f1\u00f3n. La red ofrece una oportunidad para aplicaciones de aprendizaje profundo en diagn\u00f3sticos est\u00e1ndar.<\/p>\n

\n

\u00bfQu\u00e9 piensas de esta emocionante rama de la Inteligencia Artificial? \u00a1Comparta sus an\u00e9cdotas, ideas y deseos con la comunidad Patient Worthy! Este art\u00edculo ha sido traducido al espa\u00f1ol lo mejor posible dentro de nuestras habilidades. Reconocemos que tal vez no hayamos captado todas las matices y especificidades de su regi\u00f3n, por lo que si tiene alguna sugerencia o desea ayudarnos a refinar nuestras traducciones, env\u00ede un correo electr\u00f3nico a ideas@patientworthy.com.<\/a><\/h4>\n

Rose Duesterwald 19 de Marzo de 2020<\/p>\n","protected":false},"excerpt":{"rendered":"

La enfermedad renal sigue a otros trastornos como un objetivo para el aprendizaje autom\u00e1tico nuevo y mejorado. Como se public\u00f3 en una edici\u00f3n reciente de Science Daily, los pat\u00f3logos a menudo han clasificado las enfermedades renales en funci\u00f3n de las evaluaciones visuales de los ri\u00f1ones. El aprendizaje autom\u00e1tico, t\u00e9cnicamente una rama de la IA, ha […]<\/p>\n","protected":false},"author":386,"featured_media":168835,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":[],"categories":[12007],"tags":[16332],"_links":{"self":[{"href":"https:\/\/patientworthy.com\/es\/wp-json\/wp\/v2\/posts\/169983"}],"collection":[{"href":"https:\/\/patientworthy.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/patientworthy.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/patientworthy.com\/es\/wp-json\/wp\/v2\/users\/386"}],"replies":[{"embeddable":true,"href":"https:\/\/patientworthy.com\/es\/wp-json\/wp\/v2\/comments?post=169983"}],"version-history":[{"count":0,"href":"https:\/\/patientworthy.com\/es\/wp-json\/wp\/v2\/posts\/169983\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/patientworthy.com\/es\/wp-json\/wp\/v2\/media\/168835"}],"wp:attachment":[{"href":"https:\/\/patientworthy.com\/es\/wp-json\/wp\/v2\/media?parent=169983"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/patientworthy.com\/es\/wp-json\/wp\/v2\/categories?post=169983"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/patientworthy.com\/es\/wp-json\/wp\/v2\/tags?post=169983"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}