array:23 [
  "pii" => "S0210569123002139"
  "issn" => "02105691"
  "doi" => "10.1016/j.medin.2023.07.001"
  "estado" => "S300"
  "fechaPublicacion" => "2024-01-01"
  "aid" => "1910"
  "copyright" => "Elsevier España, S.L.U. y SEMICYUC"
  "copyrightAnyo" => "2023"
  "documento" => "simple-article"
  "crossmark" => 1
  "subdocumento" => "edi"
  "cita" => "Med Intensiva. 2024;48:1-2"
  "abierto" => array:3 [
    "ES" => true
    "ES2" => true
    "LATM" => true
  ]
  "gratuito" => true
  "lecturas" => array:1 [
    "total" => 0
  ]
  "Traduccion" => array:1 [
    "en" => array:19 [
      "pii" => "S2173572723001352"
      "issn" => "21735727"
      "doi" => "10.1016/j.medine.2023.07.012"
      "estado" => "S300"
      "fechaPublicacion" => "2024-01-01"
      "aid" => "1910"
      "copyright" => "Elsevier España, S.L.U. and SEMICYUC"
      "documento" => "simple-article"
      "crossmark" => 1
      "subdocumento" => "edi"
      "cita" => "Med Intensiva. 2024;48:1-2"
      "abierto" => array:3 [
        "ES" => true
        "ES2" => true
        "LATM" => true
      ]
      "gratuito" => true
      "lecturas" => array:1 [
        "total" => 0
      ]
      "en" => array:10 [
        "idiomaDefecto" => true
        "cabecera" => "<span class="elsevierStyleTextfn">Editorial</span>"
        "titulo" => "Advanced data analysis and intensive care medicine"
        "tienePdf" => "en"
        "tieneTextoCompleto" => "en"
        "paginas" => array:1 [
          0 => array:2 [
            "paginaInicial" => "1"
            "paginaFinal" => "2"
          ]
        ]
        "titulosAlternativos" => array:1 [
          "es" => array:1 [
            "titulo" => "Analisis avanzado de datos y medicina intensiva"
          ]
        ]
        "contieneTextoCompleto" => array:1 [
          "en" => true
        ]
        "contienePdf" => array:1 [
          "en" => true
        ]
        "autores" => array:1 [
          0 => array:2 [
            "autoresLista" => "Federico Gordo Vidal, Natalia Gordo Herrera"
            "autores" => array:2 [
              0 => array:2 [
                "nombre" => "Federico"
                "apellidos" => "Gordo Vidal"
              ]
              1 => array:2 [
                "nombre" => "Natalia"
                "apellidos" => "Gordo Herrera"
              ]
            ]
          ]
        ]
      ]
      "idiomaDefecto" => "en"
      "Traduccion" => array:1 [
        "es" => array:9 [
          "pii" => "S0210569123002139"
          "doi" => "10.1016/j.medin.2023.07.001"
          "estado" => "S300"
          "subdocumento" => ""
          "abierto" => array:3 [
            "ES" => true
            "ES2" => true
            "LATM" => true
          ]
          "gratuito" => true
          "lecturas" => array:1 [
            "total" => 0
          ]
          "idiomaDefecto" => "es"
          "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0210569123002139?idApp=WMIE"
        ]
      ]
      "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S2173572723001352?idApp=WMIE"
      "url" => "/21735727/0000004800000001/v1_202401020427/S2173572723001352/v1_202401020427/en/main.assets"
    ]
  ]
  "itemSiguiente" => array:19 [
    "pii" => "S0210569123002085"
    "issn" => "02105691"
    "doi" => "10.1016/j.medin.2023.06.012"
    "estado" => "S300"
    "fechaPublicacion" => "2024-01-01"
    "aid" => "1907"
    "copyright" => "Elsevier Espa&#241;a&#44; S&#46;L&#46;U&#46; y SEMICYUC"
    "documento" => "article"
    "crossmark" => 1
    "subdocumento" => "fla"
    "cita" => "Med Intensiva. 2024;48:3-13"
    "abierto" => array:3 [
      "ES" => true
      "ES2" => true
      "LATM" => true
    ]
    "gratuito" => true
    "lecturas" => array:1 [
      "total" => 0
    ]
    "en" => array:13 [
      "idiomaDefecto" => true
      "cabecera" => "<span class="elsevierStyleTextfn">Original article</span>"
      "titulo" => "Predictors of mechanical ventilation and mortality in critically ill patients with COVID-19 pneumonia"
      "tienePdf" => "en"
      "tieneTextoCompleto" => "en"
      "tieneResumen" => array:2 [
        0 => "en"
        1 => "es"
      ]
      "paginas" => array:1 [
        0 => array:2 [
          "paginaInicial" => "3"
          "paginaFinal" => "13"
        ]
      ]
      "titulosAlternativos" => array:1 [
        "es" => array:1 [
          "titulo" => "Predictores de ventilaci&#243;n mec&#225;nica y mortalidad en pacientes cr&#237;ticos con neumon&#237;a por COVID-19"
        ]
      ]
      "contieneResumen" => array:2 [
        "en" => true
        "es" => true
      ]
      "contieneTextoCompleto" => array:1 [
        "en" => true
      ]
      "contienePdf" => array:1 [
        "en" => true
      ]
      "resumenGrafico" => array:2 [
        "original" => 0
        "multimedia" => array:8 [
          "identificador" => "fig0015"
          "etiqueta" => "Figure 3"
          "tipo" => "MULTIMEDIAFIGURA"
          "mostrarFloat" => true
          "mostrarDisplay" => false
          "figura" => array:1 [
            0 => array:4 [
              "imagen" => "gr3.jpeg"
              "Alto" => 1594
              "Ancho" => 3425
              "Tamanyo" => 463757
            ]
          ]
          "detalles" => array:1 [
            0 => array:3 [
              "identificador" => "at0085"
              "detalle" => "Figure "
              "rol" => "short"
            ]
          ]
          "descripcion" => array:1 [
            "en" => "<p id="spar0015" class="elsevierStyleSimplePara elsevierViewall">ICU Mortality Tree Predictors&#46; The predictors appear in different branches attending to their significance in the predictive model&#46; Values in bold letters represent the registries per branch&#46; Values in red bold letters represent the percentage of registries with positive outcome&#46; The variable named as &#8220;DAYS&#95;SIMPTONS&#95;ADMISION&#8221; is related with the number of days from first symptoms to ICU admission&#46; The variable &#8220;linf&#95;total&#8221;&#44; is related to lymphocyte count per mm3&#46; The variable named as &#8220;dosis&#95;equiv&#95;mpred&#95;5d&#8221; is related with the corticosteroid dose&#44; during the first five days of admission &#40;mg of equivalent methylprednisolone dose&#41;&#46; The variable named as &#8220;bbTot&#8221; is related with the total levels of bilirubin in blood&#46; The variable names as &#8220;ldh&#8221; is related to the lactate dehydrogenase serum level&#46; The variable DAYS&#95;UNTIL&#95;O2 is related to the number of days until the patient requires O2&#46;</p>"
          ]
        ]
      ]
      "autores" => array:1 [
        0 => array:2 [
          "autoresLista" => "Sergio Mu&#241;oz Lezcano, Miguel &#193;ngel Armengol de la Hoz, Alberto Corbi, Fernando L&#243;pez, Miguel S&#225;nchez Garc&#237;a, Antonio Nu&#241;ez Reiz, Tom&#225;s Fari&#241;a Gonz&#225;lez, Viktor Yordanov Zlatkov"
          "autores" => array:8 [
            0 => array:2 [
              "nombre" => "Sergio"
              "apellidos" => "Mu&#241;oz Lezcano"
            ]
            1 => array:2 [
              "nombre" => "Miguel &#193;ngel"
              "apellidos" => "Armengol de la Hoz"
            ]
            2 => array:2 [
              "nombre" => "Alberto"
              "apellidos" => "Corbi"
            ]
            3 => array:2 [
              "nombre" => "Fernando"
              "apellidos" => "L&#243;pez"
            ]
            4 => array:2 [
              "nombre" => "Miguel S&#225;nchez"
              "apellidos" => "Garc&#237;a"
            ]
            5 => array:2 [
              "nombre" => "Antonio Nu&#241;ez"
              "apellidos" => "Reiz"
            ]
            6 => array:2 [
              "nombre" => "Tom&#225;s Fari&#241;a"
              "apellidos" => "Gonz&#225;lez"
            ]
            7 => array:2 [
              "nombre" => "Viktor Yordanov"
              "apellidos" => "Zlatkov"
            ]
          ]
        ]
      ]
    ]
    "idiomaDefecto" => "en"
    "Traduccion" => array:1 [
      "en" => array:9 [
        "pii" => "S2173572723001303"
        "doi" => "10.1016/j.medine.2023.07.009"
        "estado" => "S300"
        "subdocumento" => ""
        "abierto" => array:3 [
          "ES" => true
          "ES2" => true
          "LATM" => true
        ]
        "gratuito" => true
        "lecturas" => array:1 [
          "total" => 0
        ]
        "idiomaDefecto" => "en"
        "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S2173572723001303?idApp=WMIE"
      ]
    ]
    "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0210569123002085?idApp=WMIE"
    "url" => "/02105691/0000004800000001/v1_202401020431/S0210569123002085/v1_202401020431/en/main.assets"
  ]
  "es" => array:12 [
    "idiomaDefecto" => true
    "cabecera" => "<span class="elsevierStyleTextfn">Editorial</span>"
    "titulo" => "An&#225;lisis avanzado de datos y medicina intensiva"
    "tieneTextoCompleto" => true
    "paginas" => array:1 [
      0 => array:2 [
        "paginaInicial" => "1"
        "paginaFinal" => "2"
      ]
    ]
    "autores" => array:1 [
      0 => array:4 [
        "autoresLista" => "Federico Gordo Vidal, Natalia Gordo Herrera"
        "autores" => array:2 [
          0 => array:4 [
            "nombre" => "Federico"
            "apellidos" => "Gordo Vidal"
            "email" => array:1 [
              0 => "fedegordovidal@gmail.com"
            ]
            "referencia" => array:3 [
              0 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">a</span>"
                "identificador" => "aff0005"
              ]
              1 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">b</span>"
                "identificador" => "aff0010"
              ]
              2 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">&#42;</span>"
                "identificador" => "cor0005"
              ]
            ]
          ]
          1 => array:3 [
            "nombre" => "Natalia"
            "apellidos" => "Gordo Herrera"
            "referencia" => array:1 [
              0 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">c</span>"
                "identificador" => "aff0015"
              ]
            ]
          ]
        ]
        "afiliaciones" => array:3 [
          0 => array:3 [
            "entidad" => "Servicio de Medicina Intensiva&#44; Hospital Universitario del Henares&#44; Coslada&#44; Madrid&#44; Espa&#241;a"
            "etiqueta" => "a"
            "identificador" => "aff0005"
          ]
          1 => array:3 [
            "entidad" => "Grupo de Investigaci&#243;n en Patolog&#237;a Cr&#237;tica&#44; Universidad Francisco de Vitoria&#44; Pozuelo de Alarc&#243;n&#44; Madrid&#44; Espa&#241;a"
            "etiqueta" => "b"
            "identificador" => "aff0010"
          ]
          2 => array:3 [
            "entidad" => "Escuela Polit&#233;cnica Superior&#44; Universidad Francisco de Vitoria&#44; Pozuelo de Alarc&#243;n&#44; Madrid&#44; Espa&#241;a"
            "etiqueta" => "c"
            "identificador" => "aff0015"
          ]
        ]
        "correspondencia" => array:1 [
          0 => array:3 [
            "identificador" => "cor0005"
            "etiqueta" => "&#8270;"
            "correspondencia" => "Autor para correspondencia&#46;"
          ]
        ]
      ]
    ]
    "titulosAlternativos" => array:1 [
      "en" => array:1 [
        "titulo" => "Advanced data analysis and intensive care medicine"
      ]
    ]
    "textoCompleto" => "<span class="elsevierStyleSections"><p id="par0005" class="elsevierStylePara elsevierViewall">En el presente n&#250;mero de la revista&#44; Mu&#241;oz Lezcano et al&#46;<a class="elsevierStyleCrossRef" href="#bib0025"><span class="elsevierStyleSup">1</span></a> presentan los resultados del an&#225;lisis de una base de datos generada de un sistema de informaci&#243;n cl&#237;nica con datos registrados en tiempo real&#46; Este proyecto tiene como objetivo general la identificaci&#243;n de los factores de riesgo m&#225;s significativos en pacientes que requieren ventilaci&#243;n mec&#225;nica no invasiva&#46; Adem&#225;s&#44; se aplican modelos para estudiar o determinar el pron&#243;stico de pacientes COVID-19&#46; Realizan el an&#225;lisis mediante t&#233;cnicas de aprendizaje autom&#225;tico&#46;</p><p id="par0010" class="elsevierStylePara elsevierViewall">No solo se destacan los resultados obtenidos por los autores&#44; sino que se enfatiza la utilidad de las t&#233;cnicas de inteligencia artificial &#40;IA&#41; aplicadas a &#225;mbitos como la medicina&#46; El an&#225;lisis de datos aplicado a pacientes cr&#237;ticos puede ayudar&#44; incluso en tiempo real&#44; a obtener resultados que permitan conocer las caracter&#237;sticas espec&#237;ficas de diferentes grupos de pacientes&#44; pudiendo as&#237; mejorar y personalizar la atenci&#243;n y la aplicaci&#243;n de tratamientos&#46;</p><p id="par0015" class="elsevierStylePara elsevierViewall">En la propia revista <span class="elsevierStyleItalic">MEDICINA INTENSIVA</span> se han publicado recientemente varios estudios que aplican estas t&#233;cnicas<a class="elsevierStyleCrossRefs" href="#bib0030"><span class="elsevierStyleSup">2-4</span></a>&#46; Con los avances tecnol&#243;gicos y la creciente cantidad de datos generados en los entornos cl&#237;nicos&#44; el futuro del an&#225;lisis de datos en la atenci&#243;n a los pacientes cr&#237;ticos es prometedor y est&#225; destinado posiblemente a mejorar a&#250;n m&#225;s la calidad y los resultados de la atenci&#243;n m&#233;dica&#46; Los algoritmos de aprendizaje autom&#225;tico y la IA est&#225;n siendo utilizados para analizar grandes vol&#250;menes de datos cl&#237;nicos&#44; como im&#225;genes m&#233;dicas&#44; registros de salud electr&#243;nicos y resultados de pruebas de laboratorio&#46; Estos algoritmos son capaces de identificar patrones sutiles que pueden indicar la presencia de una enfermedad o el desarrollo de complicaciones en los pacientes cr&#237;ticos&#46; Esta anticipaci&#243;n podr&#237;a marcar la diferencia en la supervivencia y en la recuperaci&#243;n de los pacientes&#46; Otra &#225;rea en la que el an&#225;lisis de datos est&#225; avanzando es en la monitorizaci&#243;n continua y en tiempo real&#46; Los dispositivos m&#233;dicos est&#225;n o deber&#237;an estar cada vez m&#225;s conectados&#44; lo que permite la recopilaci&#243;n y la transmisi&#243;n inmediata y segura de datos&#46;</p><p id="par0020" class="elsevierStylePara elsevierViewall">Teniendo en cuenta todas las ventajas que la tecnolog&#237;a puede proporcionar al &#225;mbito de la medicina&#44; deber&#237;amos pensar y facilitar un planteamiento de recogida y de almacenamiento de informaci&#243;n que&#44; por un lado&#44; no comprometa la privacidad de los pacientes y&#44; por otro lado&#44; asegure la calidad y la integridad de los datos&#46; No es un desaf&#237;o f&#225;cil de abordar&#44; pues requiere de&#44; al menos&#44; tres pasos cr&#237;ticos&#58;<ul class="elsevierStyleList" id="lis0005"><li class="elsevierStyleListItem" id="lsti0005"><span class="elsevierStyleLabel">1&#46;</span><p id="par0025" class="elsevierStylePara elsevierViewall">Creaci&#243;n de bases de datos fiables&#44; colaborativas y accesibles&#46;</p></li><li class="elsevierStyleListItem" id="lsti0010"><span class="elsevierStyleLabel">2&#46;</span><p id="par0030" class="elsevierStylePara elsevierViewall">Conexi&#243;n de equipos y sistemas realmente integrados que hablen el mismo lenguaje y capaces de transferir la informaci&#243;n en tiempo real&#46;</p></li><li class="elsevierStyleListItem" id="lsti0015"><span class="elsevierStyleLabel">3&#46;</span><p id="par0035" class="elsevierStylePara elsevierViewall">Incorporaci&#243;n de perfiles profesionales que permitan trabajar los sistemas de IA y los datos de forma interdisciplinar&#46;</p></li></ul></p><p id="par0040" class="elsevierStylePara elsevierViewall">Aunque el mundo tecnol&#243;gico y&#44; por tanto&#44; de la IA avanza r&#225;pidamente&#44; queda mucho camino por recorrer en la aplicaci&#243;n de este tipo de recursos en campos como la medicina&#44; en particular la aplicaci&#243;n a casos cr&#237;ticos&#46; Para poder continuar con la incorporaci&#243;n de estas t&#233;cnicas en este campo&#44; es necesario un replanteamiento sobre la planificaci&#243;n laboral y la incorporaci&#243;n de nuevos perfiles profesionales &#40;o la creaci&#243;n de convenios de colaboraci&#243;n&#41; que permitan un avance adecuado de este tipo de investigaci&#243;n para poder desarrollar realmente todo su potencial&#46;</p><span id="sec0005" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0005">Conflicto de intereses</span><p id="par0045" class="elsevierStylePara elsevierViewall">Los autores declaran no tener conflicto de intereses en la realizaci&#243;n del presente manuscrito&#46;</p></span></span>"
    "textoCompletoSecciones" => array:1 [
      "secciones" => array:2 [
        0 => array:2 [
          "identificador" => "sec0005"
          "titulo" => "Conflicto de intereses"
        ]
        1 => array:1 [
          "titulo" => "Bibliograf&#237;a"
        ]
      ]
    ]
    "pdfFichero" => "main.pdf"
    "tienePdf" => true
    "bibliografia" => array:2 [
      "titulo" => "Bibliograf&#237;a"
      "seccion" => array:1 [
        0 => array:2 [
          "identificador" => "bibs0015"
          "bibliografiaReferencia" => array:4 [
            0 => array:3 [
              "identificador" => "bib0025"
              "etiqueta" => "1"
              "referencia" => array:1 [
                0 => array:1 [
                  "referenciaCompleta" => "Mu&#241;oz Lezcano S&#44; Armengol de la Hoz MA&#44; Corbi A&#44; L&#243;pez F&#44; S&#225;nchez Garc&#237;a M&#44; Nu&#241;ez Reiz A&#44; et al&#46; Predictors of mechanical ventilation and mortality in critically ill patients with COVID-19 pneumonia&#46; Med Intensiva&#46; 2023&#46; DOI&#58; 10&#46;1016&#47;j&#46;medine&#46;2023&#46;07&#46;009"
                ]
              ]
            ]
            1 => array:3 [
              "identificador" => "bib0030"
              "etiqueta" => "2"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Enhancing sepsis management through machine learning techniques&#58; A review"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:6 [
                            0 => "N&#46; Ocampo-Quintero"
                            1 => "P&#46; Vidal-Cort&#233;s"
                            2 => "L&#46; del Rio Carbajo"
                            3 => "F&#46; Fern&#225;ndez-Riverola"
                            4 => "M&#46; Reboiro-Jato"
                            5 => "M&#46; Gonz&#225;lez-Pe&#241;a"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.medin.2020.04.003"
                      "Revista" => array:6 [
                        "tituloSerie" => "Med Intensiva&#46;"
                        "fecha" => "2022"
                        "volumen" => "46"
                        "paginaInicial" => "140"
                        "paginaFinal" => "156"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/35221003"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            2 => array:3 [
              "identificador" => "bib0035"
              "etiqueta" => "3"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Early mortality risk stratification after SARS-CoV-2 infection"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "D&#46;J&#46; Lundon"
                            1 => "B&#46;D&#46; Kelly"
                            2 => "S&#46; Nair"
                            3 => "D&#46;M&#46; Bolton"
                            4 => "N&#46; Kyprianou"
                            5 => "P&#46; Wiklund"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.medin.2020.06.011"
                      "Revista" => array:5 [
                        "tituloSerie" => "Med Intensiva&#46;"
                        "fecha" => "2021"
                        "volumen" => "45"
                        "paginaInicial" => "e40"
                        "paginaFinal" => "e42"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            3 => array:3 [
              "identificador" => "bib0040"
              "etiqueta" => "4"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Spanish Influenza Score &#40;SIS&#41;&#58; Usefulness of machine learning in the development of an early mortality prediction score in severe influenza"
                      "autores" => array:1 [
                        0 => array:2 [
                          "colaboracion" => "Grupo de Trabajo Gripe A Grave &#40;GETGAG&#41; de la Sociedad Espa&#241;ola de Medicina Intensiva Cr&#237;tica y Unidades Coronarias &#40;SEMICYUC&#41;"
                          "etal" => false
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.medin.2020.05.017"
                      "Revista" => array:6 [
                        "tituloSerie" => "Med Intensiva&#46;"
                        "fecha" => "2021"
                        "volumen" => "45"
                        "paginaInicial" => "69"
                        "paginaFinal" => "79"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32798052"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
          ]
        ]
      ]
    ]
  ]
  "idiomaDefecto" => "es"
  "url" => "/02105691/0000004800000001/v1_202401020431/S0210569123002139/v1_202401020431/es/main.assets"
  "Apartado" => array:4 [
    "identificador" => "443"
    "tipo" => "SECCION"
    "es" => array:2 [
      "titulo" => "Editorial"
      "idiomaDefecto" => true
    ]
    "idiomaDefecto" => "es"
  ]
  "PDF" => "https://static.elsevier.es/multimedia/02105691/0000004800000001/v1_202401020431/S0210569123002139/v1_202401020431/es/main.pdf?idApp=WMIE&text.app=https://medintensiva.org/"
  "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0210569123002139?idApp=WMIE"
]
Compartir
Información de la revista
Vol. 48. Núm. 1.
Páginas 1-2 (enero 2024)
Vol. 48. Núm. 1.
Páginas 1-2 (enero 2024)
Editorial
Acceso a texto completo
Análisis avanzado de datos y medicina intensiva
Advanced data analysis and intensive care medicine
Visitas
2604
Federico Gordo Vidala,b,
Autor para correspondencia
fedegordovidal@gmail.com

Autor para correspondencia.
, Natalia Gordo Herrerac
a Servicio de Medicina Intensiva, Hospital Universitario del Henares, Coslada, Madrid, España
b Grupo de Investigación en Patología Crítica, Universidad Francisco de Vitoria, Pozuelo de Alarcón, Madrid, España
c Escuela Politécnica Superior, Universidad Francisco de Vitoria, Pozuelo de Alarcón, Madrid, España
Este artículo ha recibido
Información del artículo
Texto completo
Bibliografía
Descargar PDF
Estadísticas
Texto completo

En el presente número de la revista, Muñoz Lezcano et al.1 presentan los resultados del análisis de una base de datos generada de un sistema de información clínica con datos registrados en tiempo real. Este proyecto tiene como objetivo general la identificación de los factores de riesgo más significativos en pacientes que requieren ventilación mecánica no invasiva. Además, se aplican modelos para estudiar o determinar el pronóstico de pacientes COVID-19. Realizan el análisis mediante técnicas de aprendizaje automático.

No solo se destacan los resultados obtenidos por los autores, sino que se enfatiza la utilidad de las técnicas de inteligencia artificial (IA) aplicadas a ámbitos como la medicina. El análisis de datos aplicado a pacientes críticos puede ayudar, incluso en tiempo real, a obtener resultados que permitan conocer las características específicas de diferentes grupos de pacientes, pudiendo así mejorar y personalizar la atención y la aplicación de tratamientos.

En la propia revista MEDICINA INTENSIVA se han publicado recientemente varios estudios que aplican estas técnicas2-4. Con los avances tecnológicos y la creciente cantidad de datos generados en los entornos clínicos, el futuro del análisis de datos en la atención a los pacientes críticos es prometedor y está destinado posiblemente a mejorar aún más la calidad y los resultados de la atención médica. Los algoritmos de aprendizaje automático y la IA están siendo utilizados para analizar grandes volúmenes de datos clínicos, como imágenes médicas, registros de salud electrónicos y resultados de pruebas de laboratorio. Estos algoritmos son capaces de identificar patrones sutiles que pueden indicar la presencia de una enfermedad o el desarrollo de complicaciones en los pacientes críticos. Esta anticipación podría marcar la diferencia en la supervivencia y en la recuperación de los pacientes. Otra área en la que el análisis de datos está avanzando es en la monitorización continua y en tiempo real. Los dispositivos médicos están o deberían estar cada vez más conectados, lo que permite la recopilación y la transmisión inmediata y segura de datos.

Teniendo en cuenta todas las ventajas que la tecnología puede proporcionar al ámbito de la medicina, deberíamos pensar y facilitar un planteamiento de recogida y de almacenamiento de información que, por un lado, no comprometa la privacidad de los pacientes y, por otro lado, asegure la calidad y la integridad de los datos. No es un desafío fácil de abordar, pues requiere de, al menos, tres pasos críticos:

  • 1.

    Creación de bases de datos fiables, colaborativas y accesibles.

  • 2.

    Conexión de equipos y sistemas realmente integrados que hablen el mismo lenguaje y capaces de transferir la información en tiempo real.

  • 3.

    Incorporación de perfiles profesionales que permitan trabajar los sistemas de IA y los datos de forma interdisciplinar.

Aunque el mundo tecnológico y, por tanto, de la IA avanza rápidamente, queda mucho camino por recorrer en la aplicación de este tipo de recursos en campos como la medicina, en particular la aplicación a casos críticos. Para poder continuar con la incorporación de estas técnicas en este campo, es necesario un replanteamiento sobre la planificación laboral y la incorporación de nuevos perfiles profesionales (o la creación de convenios de colaboración) que permitan un avance adecuado de este tipo de investigación para poder desarrollar realmente todo su potencial.

Conflicto de intereses

Los autores declaran no tener conflicto de intereses en la realización del presente manuscrito.

Bibliografía
[1]
Muñoz Lezcano S, Armengol de la Hoz MA, Corbi A, López F, Sánchez García M, Nuñez Reiz A, et al. Predictors of mechanical ventilation and mortality in critically ill patients with COVID-19 pneumonia. Med Intensiva. 2023. DOI: 10.1016/j.medine.2023.07.009
[2]
N. Ocampo-Quintero, P. Vidal-Cortés, L. del Rio Carbajo, F. Fernández-Riverola, M. Reboiro-Jato, M. González-Peña.
Enhancing sepsis management through machine learning techniques: A review.
Med Intensiva., 46 (2022), pp. 140-156
[3]
D.J. Lundon, B.D. Kelly, S. Nair, D.M. Bolton, N. Kyprianou, P. Wiklund, et al.
Early mortality risk stratification after SARS-CoV-2 infection.
Med Intensiva., 45 (2021), pp. e40-e42
[4]
Grupo de Trabajo Gripe A Grave (GETGAG) de la Sociedad Española de Medicina Intensiva Crítica y Unidades Coronarias (SEMICYUC).
Spanish Influenza Score (SIS): Usefulness of machine learning in the development of an early mortality prediction score in severe influenza.
Med Intensiva., 45 (2021), pp. 69-79
Copyright © 2023. Elsevier España, S.L.U. y SEMICYUC
Idiomas
Medicina Intensiva
Opciones de artículo
Herramientas
es en

¿Es usted profesional sanitario apto para prescribir o dispensar medicamentos?

Are you a health professional able to prescribe or dispense drugs?