Presenta Sitios para socios Información LinkXpress hp
Ingresar
Publique su anuncio con nosotros
Guangdong Fapon Biotech Co., Ltd.

Descargar La Aplicación Móvil




Competencia de la AACC demuestra cómo los laboratorios pueden usar el análisis de datos para resolver problemas reales

Por el equipo editorial de LabMedica en español
Actualizado el 20 Oct 2022

Los médicos confían en la medición del péptido relacionado con la hormona paratiroidea (PTHrP) para ayudar a establecer un diagnóstico de hipercalcemia humoral maligna, una forma rara de cáncer que causa, entre otras cosas, altos niveles de calcio en la sangre. Más...

El problema: los médicos a menudo lo solicitan para pacientes con baja probabilidad previa a la prueba. Las pruebas excesivas de PTHrP pueden conducir a procedimientos costosos, innecesarios y potencialmente dañinos, incluidas pruebas de laboratorio invasivas para localizar un tumor canceroso posiblemente inexistente. Un algoritmo predictivo exitoso ayudaría a los laboratoristas a identificar de manera rápida y precisa las órdenes de pruebas de PTHrP potencialmente inapropiadas al predecir si los datos de laboratorio disponibles en el momento de la orden ya sugieren un resultado anormal de PTHrP. Un desafío de aprendizaje automático presentado por primera vez por la Asociación Americana de Química Clínica (Washington, DC, EUA; www.aacc.org ) en la Reunión Científica Anual y Exposición de Laboratorio Clínico de la AACC de 2022 demostró cómo los laboratorios pueden usar el análisis de datos para resolver estos problemas reales que enfrentan los pacientes y los médicos.

El Concurso de Predicción de Resultados de PTHrP presentado por la AACC en el evento en asociación con la sección de informática del departamento de patología e inmunología de la Facultad de Medicina de la Universidad de Washington, St. Louis (WUSM, St. Louis, MI, EUA) tuvo como objetivo involucrar a la comunidad de profesionales de la medicina de laboratorio en un entorno en línea divertido y amigable donde podrían practicar sus habilidades de análisis de datos, aprender unos de otros y ver cómo otros abordan los problemas en el lado de la medicina de laboratorio basada en datos. Los participantes de la competencia formaron equipos y utilizaron datos clínicos anonimizados reales compartidos de forma segura de las órdenes de PTHrP en WUSM para construir sus algoritmos predictivos. Esto se denomina "conjunto de datos de práctica". El uso de datos clínicos reales fue un gran problema porque la mayoría de las competencias de aprendizaje automático utilizan conjuntos de datos sintetizados. Los organizadores configuraron la competencia utilizando Kaggle, una popular plataforma en línea para concursos y modelos de aprendizaje automático, y seleccionaron la puntuación F1 (la media armónica de sensibilidad y especificidad) como la métrica de rendimiento.

Un desafío importante para los equipos fue desarrollar un modelo predictivo que lograra una alta precisión sin sobreajustarlo al conjunto de datos públicos (el conjunto de datos de práctica). El sobreajuste significaría que el algoritmo funcionó bien con los datos iniciales pero falló si se aplicaba a nuevos datos y no era generalizable. Los organizadores utilizaron un segundo conjunto de datos privado para juzgar la eficacia del algoritmo. De mayo a junio de 2022, 24 equipos ejecutaron un total de 395 iteraciones de sus modelos predictivos a través del conjunto de datos público. Cada vez que un equipo enviaba un modelo predictivo para un intento, usaban la puntuación F1 resultante para mejorar, o "entrenar", el modelo. Para el intento final, cada equipo ejecutó su modelo predictivo a través del conjunto de datos privado. El equipo ganador, Equipo Kagglist, logró una puntuación de F1 de 0,9 con su modelo predictivo. Como referencia, el enfoque manual de WUSM para identificar pacientes en riesgo de PTHrP tuvo una puntuación F1 de 0,6, lo que hace que el algoritmo sea una mejora significativa con respecto a la práctica estándar.

“No deberíamos esperar que un modelo predictivo entrenado en datos de un hospital funcione automáticamente en otros hospitales”, dijo Yingheng Wang del Equipo Kaggle. “En última instancia, debemos apuntar a crear modelos adaptativos que otras instituciones puedan ajustar para sus poblaciones específicas”.

“La calidad de los 24 modelos fue excelente y mostró un alto grado de precisión para la tarea muy difícil con la que desafiamos a los participantes”, dijo el organizador de la competencia Mark Zaydman, MD, PhD, profesor asistente de patología e inmunología en WUSM. “Esta competencia realmente demostró que nuestra comunidad está lista para involucrarse con herramientas sofisticadas de aprendizaje automático y análisis de datos”.

Enlaces relacionados:
AACC  


Miembro Platino
Analizador de coagulación automatizado
Hemolumi H6
βeta-Hydroxybutyrate Reagent
β-Hydroxybutyrate LiquiColor®
Miembro Oro
CONTROL DE ÍNDICES SÉRICOS
Acusera Serum Indices Control
Miembro Oro
Automatic Hematology Analyzer
CF9600
Lea el artículo completo al registrarse hoy mismo, es GRATIS! ¡Es GRATUITO!
Regístrese GRATIS a LabMedica.es y acceda a las noticias y eventos que afectan al mundo del Laboratorio.
  • Edición gratuita de la versión digital de Lab Medica en Español enviado regularmente por email
  • Revista impresa gratuita de la revista Lab Medica en Español (disponible únicamente fuera de EUA y Canadá).
  • Acceso gratuito e ilimitado a ediciones anteriores de Lab Medica en Español digital
  • Boletín de Lab Medica en Español gratuito cada dos semanas con las últimas noticias
  • Noticias de último momento enviadas por email
  • Acceso gratuito al calendario de eventos
  • Acceso gratuito a los servicios de nuevos productos de LinkXpress
  • Registrarse es sencillo y GRATUITO!
Haga clic aquí para registrarse








Canales

Química Clínica

ver canal
Imagen: Joy Milne, cuyo elevado sentido del olfato ayudó a inspirar la investigación sobre la firma molecular del Parkinson, participa en una investigación que investiga el sentido del olfato. (Crédito de la imagen: Universidad de Manchester)

Estudio con hisopo cutáneo identifica cambios metabólicos asociados al Parkinson

La enfermedad de Parkinson puede ser difícil de diagnosticar antes de que aparezcan los síntomas motores, lo que pone de relieve la necesidad de métodos de detección más temprana.... Más

Hematología

ver canal
Imagen: Una nueva investigación que utiliza muestras de sangre almacenadas recolectadas a lo largo del tiempo ha rastreado el desarrollo de la leucemia mieloide aguda años y décadas antes del diagnóstico (Crédito de la imagen: Shutterstock)

Muestras de sangre seriadas revelan la evolución de la leucemia décadas antes del diagnóstico

La leucemia mieloide aguda (LMA) es un cáncer de la sangre agresivo que afecta aproximadamente a 2.700 personas en el Reino Unido cada año, y solo alrededor de una de cada seis pacientes... Más

Inmunología

ver canal
Imagen: Los hallazgos subrayan la importancia de alinear las pruebas de alergia con la historia clínica y las pautas de diagnóstico para reducir las pruebas inadecuadas y sus consecuencias (Crédito de la imagen: iStock)

Encuesta revela brecha entre conocimiento y práctica en pruebas de alergia alimentaria

La evaluación de la alergia alimentaria puede ser un desafío cuando los resultados de laboratorio no coinciden con los síntomas clínicos. Los paneles amplios de alergia alimentaria... Más

Microbiología

ver canal
Imagen: La malaria es causada por parásitos Plasmodium, transmitidos principalmente a través de la picadura de mosquitos Anopheles hembra infectados (Crédito de la imagen: Adobe Stock)

Los genomas completos de malaria podrían mejorar la identificación de especies y la vigilancia

La malaria sigue siendo un importante desafío mundial para la salud, con un estimado de 282 millones de casos y 610.000 muertes en todo el mundo en 2024. Aunque la mayor parte de la investigación... Más

Tecnología

ver canal
Imagen: Módulos e interacciones clave en el sistema agente LabARIA.  (Yang, H.S., Pan, W., Cushing, M.M. et al. An agentic framework for intelligent clinical laboratory medicine. npj Health Systems (2026). https://doi.org/10.1038/s44401-026-00163-3)

Un marco de IA multiagente apoya el monitoreo de la calidad y el flujo de trabajo en el laboratorio

Los laboratorios clínicos analizan sangre, orina, tejidos y otros fluidos corporales para apoyar el diagnóstico y el tratamiento de enfermedades. El aumento del volumen de pruebas, la escasez... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.