Biblioteca73.326 documentos en línea

Artículo

Risk Assessment of Hip Fracture Based on Machine LearningEvaluación del riesgo de fractura de cadera basada en el aprendizaje automático

Resumen

La identificación de pacientes con alto riesgo de fractura de cadera es un gran reto en la evaluación clínica de la osteoporosis. La Densidad Mineral Ósea (DMO) medida por Absorciometría de Rayos X de Doble Energía (DXA) es el estándar de oro actual en la evaluación clínica de la osteoporosis. Sin embargo, su precisión de clasificación es sólo de alrededor del 65%. Para mejorar esta precisión, este artículo propone el uso de modelos de aprendizaje automático (ML) entrenados con datos de un modelo biomecánico que simula una caída lateral. Los modelos de aprendizaje automático (ML) son modelos capaces de aprender y hacer predicciones a partir de los datos. Durante un proceso de entrenamiento, los modelos ML aprenden una función que mapea entradas y salidas sin conocimiento previo del problema. La principal ventaja de los modelos ML es que, una vez construida la función de mapeo, pueden realizar predicciones de comportamientos biomecánicos complejos en tiempo real. Sin embargo, a pesar de la creciente popularidad de los modelos de aprendizaje automático (ML) y su amplia aplicación en muchos campos de la medicina, su uso como predictores de fractura de cadera es todavía limitado. Este artículo propone el uso de modelos de ML para evaluar y predecir el riesgo de fractura de cadera. Se utilizan variables clínicas, geométricas y biomecánicas procedentes de la simulación por elementos finitos de una caída lateral como variables independientes para entrenar los modelos. Entre los diferentes modelos probados, destaca Random Forest, que muestra su capacidad para superar a BMD-DXA, logrando una precisión superior al 87%, con una especificidad superior al 92 y una sensibilidad superior al 83%.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento