<\/p>\n
La fibrilaci\u00f3n auricular afecta a m\u00e1s de 58 millones de personas en el mundo y aumenta fuertemente el riesgo de accidente cerebrovascular. Sin embargo, las herramientas actuales para evaluar este riesgo, como las puntuaciones cl\u00e1sicas, siguen siendo poco precisas y no tienen en cuenta las interacciones complejas entre los diferentes factores de salud de los pacientes.<\/p>\n
Un equipo de investigadores ha desarrollado nuevos modelos de inteligencia artificial capaces de predecir el riesgo de accidente cerebrovascular en un a\u00f1o en pacientes que acaban de recibir un diagn\u00f3stico de fibrilaci\u00f3n auricular. Estos modelos utilizan \u00fanicamente informaci\u00f3n f\u00e1cilmente disponible: la edad, los antecedentes m\u00e9dicos y los medicamentos que toma el paciente. A diferencia de los m\u00e9todos tradicionales, estas herramientas analizan las relaciones sutiles entre estos elementos para ofrecer una estimaci\u00f3n personalizada y m\u00e1s fiable.<\/p>\n
Los resultados son convincentes. Los dos modelos probados, uno basado en un enfoque estad\u00edstico cl\u00e1sico y el otro en una t\u00e9cnica avanzada de aprendizaje autom\u00e1tico, han demostrado una capacidad para distinguir a los pacientes en riesgo con una precisi\u00f3n muy superior a los m\u00e9todos existentes. Su rendimiento ha sido validado en grupos variados de pacientes, confirmando su fiabilidad en diferentes contextos cl\u00ednicos. Adem\u00e1s, estos modelos permiten ajustar los umbrales de riesgo seg\u00fan las necesidades individuales, lo que es particularmente \u00fatil para los pacientes mayores o con varios problemas de salud.<\/p>\n
Otra ventaja importante es su facilidad de uso. No requieren an\u00e1lisis de sangre ni pruebas de imagen, que a menudo no est\u00e1n disponibles en el momento del diagn\u00f3stico. Esto los hace accesibles en la pr\u00e1ctica diaria de los hospitales. Los investigadores tambi\u00e9n han verificado que estas herramientas funcionan igual de bien para hombres que para mujeres, evitando as\u00ed los sesgos relacionados con el sexo.<\/p>\n
A largo plazo, estos modelos tambi\u00e9n ayudan a identificar a los pacientes que m\u00e1s se beneficiar\u00edan de un tratamiento anticoagulante. Los datos muestran que los pacientes clasificados como de alto riesgo por estas herramientas ven reducido significativamente su riesgo de accidente cerebrovascular si toman estos medicamentos, a diferencia de aquellos identificados por los m\u00e9todos tradicionales.<\/p>\n
Este avance abre el camino a una medicina m\u00e1s personalizada. Los m\u00e9dicos podr\u00edan pronto basarse en estas predicciones para adaptar los tratamientos seg\u00fan el perfil \u00fanico de cada paciente, reduciendo as\u00ed el n\u00famero de accidentes cerebrovasculares evitables y mejorando el manejo de la fibrilaci\u00f3n auricular.<\/p>\n
DOI\u00a0:<\/strong> https:\/\/doi.org\/10.1038\/s41746-026-02470-3<\/a><\/p>\n Titre\u00a0:<\/strong> Interpretable machine learning models for stroke risk prediction in patients with newly diagnosed atrial fibrillation<\/p>\n Revue : <\/strong> npj Digital Medicine<\/p>\n \u00c9diteur : <\/strong> Springer Science and Business Media LLC<\/p>\n Auteurs : <\/strong> Jesse Chih-Wei Lin; Chen-Min Chang; Heng-Yu Pan; Yi-Lwun Ho; Yu-Kang Tu; Chao-Lun Lai<\/p>\n","protected":false},"excerpt":{"rendered":" \u00bfSe puede predecir mejor el riesgo de accidente cerebrovascular en pacientes con fibrilaci\u00f3n auricular? La fibrilaci\u00f3n auricular afecta a m\u00e1s de 58 millones de personas en el mundo y aumenta fuertemente el riesgo de accidente cerebrovascular. Sin embargo, las herramientas actuales para evaluar este riesgo, como las puntuaciones cl\u00e1sicas, siguen siendo poco precisas y no… Seguir leyendo \u00bfSe puede predecir mejor el riesgo de accidente cerebrovascular en pacientes con fibrilaci\u00f3n auricular?<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3,7,2],"tags":[],"class_list":["post-41","post","type-post","status-publish","format-standard","hentry","category-ciencia-y-tecnologia","category-internacional","category-salud","entry"],"_links":{"self":[{"href":"https:\/\/journalofartificialintelligence.com\/es\/wp-json\/wp\/v2\/posts\/41","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/journalofartificialintelligence.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/journalofartificialintelligence.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/journalofartificialintelligence.com\/es\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/journalofartificialintelligence.com\/es\/wp-json\/wp\/v2\/comments?post=41"}],"version-history":[{"count":1,"href":"https:\/\/journalofartificialintelligence.com\/es\/wp-json\/wp\/v2\/posts\/41\/revisions"}],"predecessor-version":[{"id":42,"href":"https:\/\/journalofartificialintelligence.com\/es\/wp-json\/wp\/v2\/posts\/41\/revisions\/42"}],"wp:attachment":[{"href":"https:\/\/journalofartificialintelligence.com\/es\/wp-json\/wp\/v2\/media?parent=41"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/journalofartificialintelligence.com\/es\/wp-json\/wp\/v2\/categories?post=41"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/journalofartificialintelligence.com\/es\/wp-json\/wp\/v2\/tags?post=41"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}