Videos de Experimentos Relacionados
Predicción del resultado en pacientes en estado crítico utilizando redes neuronales artificiales sintetizadas por
R Dybowski1, P Weller, R Chang
1Infection and Immunity Laboratory, UMDS, London, UK.
Lancet (London, England)
|April 27, 1996
Resumen
Las redes neuronales artificiales (ANN) predicen con precisión los resultados de los pacientes en cuidados intensivos, superando a los modelos tradicionales de regresión logística. Los algoritmos genéticos mejoran aún más el rendimiento de las ANN para situaciones clínicas complejas.
Área de la Ciencia:
- La informática médica es la informática médica.
- La medicina computacional es la medicina computacional.
- Inteligencia Artificial en el cuidado de la salud.
Sus antecedentes:
- Las decisiones de admisión y alta de la unidad de cuidados intensivos (UCI) son complejas.
- Los modelos de pronóstico precisos son cruciales para una gestión efectiva de la UCI.
- Es posible que los modelos existentes no capturen completamente las complejidades de la medicina de cuidados intensivos.
Objetivo del estudio:
- Desarrollar y evaluar una red neuronal artificial (ANN) para predecir los resultados de los pacientes en cuidados intensivos.
- Para comparar el rendimiento de las ANN con los modelos tradicionales de regresión logística.
- Explorar la utilidad de los algoritmos genéticos en la optimización del rendimiento de las ANN.
Principales métodos:
- Se creó y optimizó una red neuronal artificial (ANN) utilizando algoritmos genéticos.
- La ANN fue entrenada y probada en un conjunto de datos de 258 pacientes con síndrome de respuesta inflamatoria sistémica y shock hemodinámico.
- El rendimiento se evaluó utilizando las curvas de características operativas del receptor (ROC) y las puntuaciones de Brier, comparando ANN con la regresión logística.
Principales resultados:
- La ANN de mejor rendimiento, desarrollada en 7 generaciones, demostró una precisión predictiva superior.
- El rendimiento de ANN excedió significativamente el del modelo de regresión logística (área ROC 0.863 frente a 0.753).
- Los algoritmos genéticos sintonizaron efectivamente el rendimiento de la ANN para mejorar la predicción clínica.
Conclusiones:
- Las ANN son muy adecuadas para modelar escenarios clínicos complejos debido a su naturaleza flexible.
- La combinación de ANNs y algoritmos genéticos ofrece una herramienta poderosa para desarrollar modelos de resultados clínicos precisos.
- Estos modelos se pueden adaptar a las prácticas locales, proporcionando a los médicos una mejor comprensión de la atención al paciente y los resultados.