Científicos mejoran la detección de delirio utilizando Inteligencia Artificial y electroencefalogramas de respuesta rápida.

Scientists improve delirium detection using AI and quick response electroencephalograms.

Detectar el delirio no es fácil, pero puede tener grandes beneficios: acelerar la atención esencial para los pacientes, lo que lleva a una recuperación más rápida y segura.

La detección mejorada también reduce la necesidad de cuidados especializados a largo plazo, mejorando la calidad de vida de los pacientes y disminuyendo una carga financiera importante. En los EE. UU., el cuidado de aquellos que sufren de delirio cuesta hasta $64,000 al año por paciente, según los Institutos Nacionales de Salud.

En un artículo publicado el mes pasado en Nature, los investigadores describen cómo utilizaron un modelo de aprendizaje profundo llamado Vision Transformer, acelerado por las GPUs de NVIDIA, junto con un dispositivo de electroencefalograma (EEG) de respuesta rápida para detectar el delirio en adultos mayores críticamente enfermos.

El artículo, llamado “Aprendizaje profundo supervisado con vision transformer predice el delirio utilizando el EEG de plomo limitado”, está escrito por Malissa Mulkey de la Universidad de Carolina del Sur, Huyunting Huang de la Universidad de Purdue, Thomas Albanese y Sunghan Kim de la Universidad de East Carolina, y Baijian Yang de Purdue.

Su enfoque innovador logró una tasa de precisión de prueba del 97%, lo que promete un avance potencial en la predicción de la demencia. Y al aprovechar la IA y los EEG, los investigadores pudieron evaluar objetivamente los métodos de prevención y tratamiento, lo que lleva a una mejor atención.

Este impresionante resultado se debe en parte al rendimiento acelerado de las GPUs de NVIDIA, lo que permitió a los investigadores realizar sus tareas en la mitad del tiempo en comparación con las CPUs.

El delirio afecta hasta el 80% de los pacientes críticamente enfermos. Sin embargo, los métodos de detección clínica convencionales identifican menos del 40% de los casos, lo que representa una brecha significativa en la atención al paciente. Actualmente, la detección de los pacientes en la UCI implica una evaluación subjetiva en la cama.

La introducción de dispositivos de EEG portátiles podría hacer que la detección sea más precisa y asequible, pero la falta de técnicos y neurólogos capacitados plantea un desafío.

Sin embargo, el uso de la inteligencia artificial puede eliminar la necesidad de que un neurólogo interprete los hallazgos y permitir la detección de cambios asociados con el delirio aproximadamente dos días antes del inicio de los síntomas, cuando los pacientes son más receptivos al tratamiento. También hace posible utilizar los EEG con un entrenamiento mínimo.

Los investigadores aplicaron un modelo de IA llamado ViT, creado inicialmente para el procesamiento del lenguaje natural y acelerado por las GPUs de NVIDIA, a los datos de EEG, ofreciendo un enfoque fresco para la interpretación de datos.

El uso de un dispositivo de EEG de respuesta rápida portátil, que no requiere grandes máquinas de EEG ni técnicos especializados, fue otro hallazgo notable del estudio.

Esta herramienta práctica, combinada con modelos avanzados de IA para interpretar los datos que recopilan, podría simplificar las pruebas de detección del delirio en unidades de cuidados críticos.

La investigación presenta un método prometedor para la detección del delirio que podría acortar las estadías en el hospital, aumentar las tasas de alta, disminuir las tasas de mortalidad y reducir la carga financiera asociada con el delirio.

Al integrar el poder de las GPUs de NVIDIA con modelos innovadores de aprendizaje profundo y dispositivos médicos prácticos, este estudio subraya el potencial transformador de la tecnología en la mejora de la atención al paciente.

A medida que la IA crece y se desarrolla, es cada vez más probable que los profesionales médicos dependan de ella para predecir condiciones como la demencia e intervenir temprano, revolucionando el futuro de la atención crítica.

Lee el artículo completo.

We will continue to update Zepes; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

Inteligencia Artificial

Examinando y detectando sesgos en un conjunto de datos de incumplimiento de tarjetas de crédito

Esta sección explora el sesgo en un conjunto de datos de incumplimiento de tarjetas de crédito, examinando la discrim...

Inteligencia Artificial

Desvelando GPTBot La audaz movida de OpenAI para rastrear la web

En un torbellino de innovación digital, OpenAI ha dado un golpe sorprendente al lanzar GPTBot, un rastreador web dise...

Inteligencia Artificial

Molino de Turing la supercomputadora de IA impulsa el motor económico del Reino Unido

El hogar de la primera revolución industrial acaba de hacer una inversión masiva en la próxima. El gobierno del Reino...

Inteligencia Artificial

Haciendo la vida más amigable con robots personales

Sharifa Alghowinem, una científica investigadora del Media Lab, explora la tecnología de robots personales que explic...