Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

Please note that the LabMedica website is also available in a complete English version
Presenta Sitios para socios Información LinkXpress
Ingresar
Publique su anuncio con nosotros
PURITAN MEDICAL

Deascargar La Aplicación Móvil




Eventos

ATENCIÓN: Debido a la EPIDEMIA DE CORONAVIRUS, ciertos eventos están siendo reprogramados para una fecha posterior o cancelados por completo. Verifique con el organizador del evento o el sitio web antes de planificar cualquier evento próximo.
06 feb 2023 - 09 feb 2023

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
Print article
Imagen: Los avances en el aprendizaje automático y el análisis de datos están transformando el campo de la medicina de laboratorio (Fotografía cortesía de la  AACC)
Imagen: Los avances en el aprendizaje automático y el análisis de datos están transformando el campo de la medicina de laboratorio (Fotografía cortesía de la AACC)

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. 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  

Proveedor de oro
PS/PT ELISA
QUANTA Lite PS/PT
New
Silver Supplier
Laboratory Software
FlowLab Software
New
Flu A/B & RSV Multiplex RT PCR Test
Savvygen Flu A, Flu B & RSV
New
Electronic Pipette
Picus

Print article
MEDLAB - INFORMA

Canales

Diagnóstico Molecular

ver canal
Imagen: Una prueba basada en la sangre podría predecir el inicio del Alzheimer temprano de una manera no invasiva (Fotografía cortesía del King’s College de Londres)

Prueba de sangre predice riesgo de Alzheimer 3,5 años antes del diagnóstico clínico

Un nuevo estudio encontró que una prueba basada en sangre puede predecir el riesgo de enfermedad de Alzheimer hasta 3,5 años antes del diagnóstico clínico. El estudio se basa... Más

Inmunología

ver canal
Imagen: Los científicos han ganado 9,5 millones de dólares para estudiar patógenos emergentes (Fotografía cortesía de Pexels)

Estudio de patógenos emergentes para comprender mejor las interacciones entre influenza y anticuerpos podría mejorar los diagnósticos

Los brotes de influenza aviar se han producido en todo el mundo durante más de un siglo. El virus altamente patógeno H5N1 que se identificó por primera vez en 1996 puede provocar enfermedades... Más

Microbiología

ver canal
Imagen: El sistema semiautomático MicroScan autoSCAN-4 proporciona pruebas ID/AST simplificadas en un paquete altamente confiable y asequible y confirmó los resultados del estudio (Fotografía cortesía de Beckman Coulter)

Secuenciación de nanoporos detecta patógenos en la infección periprotésica de articulación rodilla

El número de artroplastias totales de rodilla (ATR) está aumentando sustancialmente en la actualidad y se espera que se multiplique por más del doble en la próxima década... Más

Patología

ver canal
Imagen: Sistema de escáner de portaobjetos NanoZoomer S20MD C16300-21MDEU (Fotografía cortesía de Hamamatsu Photonics)

Nuevo sistema de escáner de portaobjetos proporciona a los patólogos flexibilidad adicional en el flujo de trabajo del laboratorio

Un nuevo sistema automatizado de alta velocidad para creación, visualización y gestión de portaobjetos digitales, que permite obtener imágenes de portaobjetos completos para... Más

Tecnología

ver canal
Imagen: El transistor electroquímico vertical se basa en un nuevo tipo de polímero electrónico y una arquitectura vertical en lugar de plana (Fotografía cortesía de la Universidad Northwestern)

Transistor revolucionario podría permitir dispositivos portátiles para medir el sodio y el potasio en la sangre

Los investigadores han desarrollado un transistor revolucionario que podría ser adecuado para bioelectrónica ligera, flexible y de alto rendimiento. El transistor electroquímico es... Más
Copyright © 2000-2023 Globetech Media. All rights reserved.