La IA puede detectar indicios en años de historiales hospitalarios, pero no tomar la decisión
La IA puede ser útil en una clínica al detectar patrones que un equipo con mucho trabajo no puede revisar rápidamente.
En un estudio de caso publicado por NVIDIA el 13 de noviembre, Cleveland Clinic utilizó Synapsis AI, de Dyania Health, para respaldar una investigación en la que participaron más de 7.800 pacientes sometidos a un reemplazo de válvula aórtica entre 2005 y 2021. Según NVIDIA, el sistema analizó los registros de seguimiento, incluidos los ecocardiogramas, para modelar el deterioro de la válvula y el riesgo de una nueva intervención a los tres, cinco y diez años. Generó señales clínicas rastreables hasta los registros originales; los profesionales clínicos revisaron las pruebas y tomaron las decisiones.
Esto podría ayudar a los investigadores a organizar grandes volúmenes de registros longitudinales, pero este ejemplo publicado por un proveedor no demuestra por sí solo que hayan mejorado los resultados de los pacientes.
Mi conclusión: en la atención médica, las pruebas rastreables y la revisión humana son tan importantes como la capacidad del modelo. ¿En qué casos podría la IA reducir de forma segura el tiempo dedicado a buscar en los historiales?
Fuente: NVIDIA Blog, 13 de noviembre — https://blogs.nvidia.com/blog/how-ai-is-helping-care-teams/
#AI #Healthcare #Tecnología
La IA puede ser útil en una clínica al detectar patrones que un equipo con mucho trabajo no puede revisar rápidamente.
En un estudio de caso publicado por NVIDIA el 13 de noviembre, Cleveland Clinic utilizó Synapsis AI, de Dyania Health, para respaldar una investigación en la que participaron más de 7.800 pacientes sometidos a un reemplazo de válvula aórtica entre 2005 y 2021. Según NVIDIA, el sistema analizó los registros de seguimiento, incluidos los ecocardiogramas, para modelar el deterioro de la válvula y el riesgo de una nueva intervención a los tres, cinco y diez años. Generó señales clínicas rastreables hasta los registros originales; los profesionales clínicos revisaron las pruebas y tomaron las decisiones.
Esto podría ayudar a los investigadores a organizar grandes volúmenes de registros longitudinales, pero este ejemplo publicado por un proveedor no demuestra por sí solo que hayan mejorado los resultados de los pacientes.
Mi conclusión: en la atención médica, las pruebas rastreables y la revisión humana son tan importantes como la capacidad del modelo. ¿En qué casos podría la IA reducir de forma segura el tiempo dedicado a buscar en los historiales?
Fuente: NVIDIA Blog, 13 de noviembre — https://blogs.nvidia.com/blog/how-ai-is-helping-care-teams/
#AI #Healthcare #Tecnología