Un modelo de IA cruza electrocardiogramas y análisis de sangre para detectar rechazo cardíaco
Hecho Qué ha ocurrido
Un equipo de NYU Langone Health desarrolló un modelo de aprendizaje profundo que combina electrocardiogramas con los biomarcadores sanguíneos AlloMap y AlloSure para identificar el rechazo de un corazón trasplantado. Según un estudio publicado en The Journal of Heart and Lung Transplantation, el modelo integrado identificó correctamente al 94 % de los pacientes sin rechazo y habría evitado 19 biopsias por falsos positivos. El análisis fue retrospectivo, con más de 5.300 electrocardiogramas de 2.357 receptores, y el conjunto de prueba era muy pequeño (38 muestras y dos casos de rechazo confirmado).
Resumen generado mediante IA a partir de Infobae Tecno. Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Si se confirma, la combinación de señales podría reducir biopsias innecesarias y detectar antes el rechazo, algo relevante para los centros de trasplante y para la gestión de su coste y sus recursos. El enfoque, que cruza fuentes de datos distintas en lugar de perfeccionar un único biomarcador, es aplicable a otras áreas de la medicina.
- Quién se ve afectado
- Centros de trasplante cardíaco, cardiólogos y pacientes receptores de un corazón donado.
- Qué puede cambiar
- Si los resultados se validan, el seguimiento de los receptores podría apoyarse en electrocardiogramas y análisis de sangre combinados con IA, con menos biopsias y diagnósticos más tempranos.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
El ensayo clínico multicéntrico previsto, con 1.200 a 1.500 consultas en cuatro a seis hospitales y al menos 50 eventos de rechazo confirmados por biopsia, será la prueba decisiva. Conviene vigilar también si el rendimiento se mantiene fuera del grupo de prueba inicial.
Enviar esta noticia por correo
Fuente original: Infobae Tecno. La referencia es siempre el artículo original.
Ver fuente original ↗aprendizaje profundoelectrocardiogramabiomarcadores sanguíneos NYU Langone Health ElectrocardiogramamedicinaNYU Langone HealthRechazo de órganoTrasplante cardíaco
Tu opinión
0 comentarios
Relacionadas
Google Research lleva agentes de IA al laboratorio húmedo con robots y ciclos experimentales cerrados
Google Research presentó tres proyectos para conectar agentes de IA con experimentos reales de laboratorio. Su sistema VERID es un gemelo digital semántico del…
Por qué importaSi estos resultados se confirman, reducir el tiempo entre hipótesis y validación experimental podría acortar de forma notable los procesos de…
Entrevista a investigador de Stanford que diseñó virus con IA generativa
MIT Technology Review entrevista a Samuel King, doctorando en Stanford, quien en 2025 usó un modelo generativo de IA para proponer planos genéticos de virus…
Por qué importaEs un caso temprano de uso de IA generativa para diseñar organismos biológicos funcionales, lo que abre debate sobre bioseguridad y el futuro de la…
Una startup británica propone usar datos de videojuegos para entrenar modelos del mundo
La startup británica Worldmodeldata, asesorada por Yann LeCun, propone agrupar los datos de controles recopilados por estudios de videojuegos para entrenar…
Por qué importaLa escasez de datos combinados de visión y acción es un obstáculo para la robótica y los vehículos autónomos. Si los videojuegos aportan datos…
Un ensayo sostiene que las redes neuronales son más legibles de lo que se creía y divide a los investigadores
Nick Cammarata, investigador de Goodfire, publicó el ensayo 'Neural Networks Are Already Clean', que sostiene que la mayoría de las neuronas de grandes modelos…
Por qué importaSi la interpretabilidad avanza, sería más fácil auditar qué hace un modelo por dentro, algo relevante para gobernar sistemas de IA en empresas. Por…