O aprendizado de máquina prevê complicações de reconstrução baseada em implantes

Revisado clinicamente por Drugs.com.

Por Elana Gotkine HealthDay Reporter

QUARTA-FEIRA, 29 de novembro de 2023 — Algoritmos de aprendizado de máquina (ML) podem prever com precisão a infecção periprotética e o explante após reconstrução baseada em implante (IBR), de acordo com um estudo publicado na edição de novembro da Plastic and Reconstructive Surgery.

Abbas M. Hassan, M.D., do MD Anderson Cancer Center da Universidade do Texas, em Houston, e colegas conduziram uma revisão abrangente de pacientes submetidos a IBR de janeiro de 2018 a dezembro de 2019 para desenvolver, validar e avaliar o uso de ML algoritmos para prever complicações de IBR usando dados clínicos perioperatórios prontamente disponíveis. Nove algoritmos de ML supervisionado foram desenvolvidos; os dados dos pacientes foram classificados em conjuntos de treinamento e teste (80 e 20 por cento, respectivamente).

Foram incluídos dados de 481 pacientes que foram acompanhados por uma média de 16,1 meses. Os pesquisadores descobriram que 113 das reconstruções (16,3 por cento) resultaram em infecção periprotética e a explantação foi necessária em 82 (11,8 por cento). Foi observado bom desempenho discriminatório na predição de infecção periprotética e explante com ML (área sob a curva receiver Operating Characteristic, 0,73 e 0,78, respectivamente); foram identificados nove e 12 preditores significativos de infecção periprotética e explante, respectivamente.

"Nosso estudo fornece prova da viabilidade, eficácia e aplicabilidade da inteligência artificial na previsão de complicações da IBR e deve encorajar a incorporação da ML na avaliação perioperatória de pacientes submetidos à IBR para fornecer avaliação de risco específica do paciente e baseada em dados para ajudar no aconselhamento individualizado do paciente, na tomada de decisões compartilhada e na otimização pré-cirúrgica", escrevem os autores.

Resumo/Texto completo

Isenção de responsabilidade: os dados estatísticos em artigos médicos fornecem tendências gerais e não se referem a indivíduos. Fatores individuais podem variar muito. Sempre procure aconselhamento médico personalizado para decisões individuais de saúde.

Fonte: HealthDay

Consulte Mais informação

Isenção de responsabilidade

Todos os esforços foram feitos para garantir que as informações fornecidas por Drugslib.com sejam precisas, atualizadas -date e completo, mas nenhuma garantia é feita nesse sentido. As informações sobre medicamentos aqui contidas podem ser sensíveis ao tempo. As informações do Drugslib.com foram compiladas para uso por profissionais de saúde e consumidores nos Estados Unidos e, portanto, o Drugslib.com não garante que os usos fora dos Estados Unidos sejam apropriados, a menos que especificamente indicado de outra forma. As informações sobre medicamentos do Drugslib.com não endossam medicamentos, diagnosticam pacientes ou recomendam terapia. As informações sobre medicamentos do Drugslib.com são um recurso informativo projetado para ajudar os profissionais de saúde licenciados a cuidar de seus pacientes e/ou para atender os consumidores que veem este serviço como um complemento, e não um substituto, para a experiência, habilidade, conhecimento e julgamento dos cuidados de saúde. profissionais.

A ausência de uma advertência para um determinado medicamento ou combinação de medicamentos não deve de forma alguma ser interpretada como indicação de que o medicamento ou combinação de medicamentos é seguro, eficaz ou apropriado para qualquer paciente. Drugslib.com não assume qualquer responsabilidade por qualquer aspecto dos cuidados de saúde administrados com a ajuda das informações fornecidas por Drugslib.com. As informações aqui contidas não se destinam a cobrir todos os possíveis usos, instruções, precauções, advertências, interações medicamentosas, reações alérgicas ou efeitos adversos. Se você tiver dúvidas sobre os medicamentos que está tomando, consulte seu médico, enfermeiro ou farmacêutico.

Palavras-chave populares