nefrologia

O estudo usa aprendizado profundo para a previsão contínua de risco de deterioração futura em pacientes, com base em trabalhos recentes que modelam eventos adversos dos registros eletrônicos de saúde e usando lesão renal aguda - uma condição comum e potencialmente fatal.. A abordagem pode ajudar a identificar pacientes que estão em risco e possibilitar um tratamento mais precoce.

  • Os estudos com esse objetivo publicados em 2019 com intuito de melhorar o diagnóstico e prognóstico de doenças renais agudas e crônicas com inteligência artificial contaram com uma variedade de fontes de dados disponíveis, incluindo registros eletrônicos de saúde, sinais fisiológicos intraoperatórios, imagens de ultrassonografia renal e amostras de biópsia digitalizadas.

    • Além do supracitado que detecta doença renal aguda.

    • A integração de sinais fisiológicos intra-operatórios em um modelo de risco de LRA que integra dinamicamente dados pré-operatórios e intraoperatórios melhora a previsão de LRA pós-operatório.

    • Um modelo de aprendizado profundo convolucional permite a classificação não invasiva do estágio da doença renal crônica e a taxa estimada de filtração glomerular usando imagens de ultra-som renal.

    • Uma rede neural convolucional treinada para segmentação multiclasse permite a análise automatizada de biópsia de transplante e amostras de nefrectomia.

Last updated