Identificación de usuarios

Noticias


Inteligencia Artificial para el control de la diabetes gestacional

Un sistema en cuyo desarrollo han participado investigadoras de la Universidad Politécnica de Madrid (UPM) aplica la telemedicina y la Inteligencia Artificial al control de esta patología reduciendo la carga de trabajo de los profesionales y anticipando los cambios de tratamiento descritos en los protocolos médicos.


FUENTE | UPM - mi+d
15/11/2016
 
Comenarios Enviar a alguien Imprimir
Imprimir en blanco y negro
Compartir noticia

Delicious  Digg  Yahoo meneame


Aplicar la Inteligencia Artificial al control de las embarazadas que sufren diabetes gestacional (DG). Es el objetivo de un trabajo desarrollado por un equipo de investigadoras de la Escuela Técnica Superior de Ingenieros de Telecomunicación de la Universidad Politécnica de Madrid (UPM). El proyecto ha dado como resultado la creación de 'Sinedie (Sistemas INteligentes y de Educación para el control de la Diabetes diagnosticada en el Embarazo)', un sistema de telemedicina que permite automatizar el protocolo de seguimiento terapéutico inicial , reduce la carga clínica y da más comodidad a las gestantes a la hora de establecer las revisiones.

Inteligencia Artificial para el control de la diabetes gestacional

La diabetes gestacional es una patología que desarrolla el 10% de las mujeres sanas de manera temporal durante el embarazo. Se prevé que esta prevalencia pueda triplicarse en los próximos años debido al cambio en los criterios diagnósticos de acuerdo con las nuevas recomendaciones internacionales. Los principales factores de riesgo para desarrollarla son el índice de masa corporal, la grasa abdominal, la edad (mayor de 35) y tener antecedentes familiares con diabetes. Se caracteriza por un elevado nivel de glucosa en la sangre materna que aumenta las complicaciones en el parto por un excesivo crecimiento del feto, incrementando el riesgo de cesárea. Otras complicaciones asociadas son la hipoglucemia neonatal y la muerte fetal intrauterina, además del aumento del riesgo de desarrollar diabetes tipo 2 en un futuro, tanto para la madre como para el feto.

Los embarazos complicados con DG se consideran de riesgo por lo que las pacientes deben asistir a consultas semanales para evaluar sus datos de monitorización y controlar la evolución de la gestación.

Aunque los sistemas de telemedicina existentes reducen las visitas presenciales mejorando la calidad de vida de las pacientes, las críticas hacia los mismos se centran en que no se descarga de trabajo a los especialistas que tienen que evaluar los datos de las pacientes aunque estas no acudan a consulta. Disminuir el volumen de trabajo de los especialistas aplicando la Inteligencia Artificial a la toma de decisiones es uno de los objetivos de 'Sinedie', un sistema en cuyo desarrollo han participado investigadoras del Grupo de Bioingeniería y Telemedicina (GBT) de la UPM.

"Nuestro reto era desarrollar un sistema que permitiese el envío de datos de monitorización de las gestantes, el análisis automático de los mismos y la generación de recomendaciones de cambios de terapia tanto a las embarazadas como al personal médico", explica Estefanía Caballero, investigadora de la UPM y una de las autoras del trabajo.

Para evaluar su seguridad y eficacia, Sinedie se sometió durante 17 meses a un estudio con la participación de 112 pacientes en los hospitales Parc Taulí de Sabadell y Mutua de Terrassa. "El uso del sistema redujo las visitas presenciales y la carga de trabajo de los clínicos. Además las pacientes afirmaron estar muy satisfechas, lo consideraban útil y confiaban en que su enfermedad estaba bien controlada", explica.

Como resultado secundario las investigadoras desarrollaron un clasificador automático de medidas de glucemia para etiquetar con la ingesta correspondiente las medidas descargadas de un medidor de glucosa. El clasificador se integró en el sistema 'Sinedie' ya que la información sobre la ingesta es esencial para que las herramientas de análisis automático puedan determinar el estado metabólico de las pacientes. Durante el estudio clínico, el clasificador etiquetó automáticamente 14.016 medidas obteniendo un 98,6% de precisión.

El clasificador desarrollado puede integrarse de manera independiente en sistemas de visualización de datos, de telemedicina y en sistemas expertos o de ayuda a la decisión para etiquetar los valores descargados del medidor de glucosa de las pacientes.

Los primeros, sirven para que los especialistas puedan visualizar las medidas almacenadas en el medidor de las pacientes que asisten a consulta. Los sistemas de telemedicina permiten la transmisión de los datos almacenados en el medidor por vía telemática para que sean evaluados de manera remota, ahorrando desplazamientos innecesarios a las pacientes. Finalmente, los sistemas expertos o de ayuda a la decisión analizan de manera automática los valores almacenados en el medidor de glucosa reduciendo la carga de trabajo de las especialistas.

"El sistema podría utilizarse en un futuro tanto en Atención Primaria como en Atención Especializada para gestionar el tratamiento de mujeres con DG, ahorrándoles desplazamientos innecesarios y contribuyendo a paliar la creciente demanda asistencial de la DG ya que el sistema gestiona de manera automática la primera etapa del tratamiento", asegura Estefanía Caballero.

En el trabajo, financiado por el Instituto de Salud Carlos III, han participado el Hospital Parc Taulí de Sabadell (que colaboró tanto en el diseño del sistema como en el estudio clínico) y el Hospital Mutua de Terrasa y ha sido publicado en distintas publicaciones científicas a nivel internacional.





   Enlaces de interés
 
Blog madri+d: Bio (Ciencia+Tecnología)


   Noticias relacionadas
 
Relacionan la exposición al compuesto químico Bisfenol A con la diabetes
Control de la diabetes para prevenir la retinopatía diabética



Añada un comentario a esta noticia


Los comentarios de esta noticia han sido cerrados.


 




Texto a buscar:
Tema:
Desde:
Hasta:


 


Nube de tags







Boletín informativo 'diariodeSol'
------- ------------