Modelo de IA adaptado para madres indias mejora la determinación de la edad fetal
- Investigadores de la IIT Madras y THSTI han creado un modelo de IA, Garbhini-GA2, diseñado específicamente para madres indias, lo que mejora la precisión en la estimación de la edad fetal durante el segundo y tercer trimestre.
- Desafíos como el inicio tardío de la atención prenatal y la diversidad étnica en India hacen que los modelos occidentales existentes para la estimación de la edad gestacional sean menos precisos.
- Una vez validado, Garbhini-GA2 podría mejorar significativamente la atención prenatal en India, reduciendo potencialmente las tasas de mortalidad materna e infantil al proporcionar información precisa sobre la edad gestacional.
En una colaboración innovadora, investigadores del Instituto Indio de Tecnología de Madrás (IIT Madras) y del Instituto de Ciencias y Tecnología de Salud Traslacional (THSTI) han presentado un modelo de inteligencia artificial (IA) específico para la India diseñado para determinar con precisión la edad de un feto en mujeres embarazadas durante el segundo y tercer trimestre. Esta investigación de vanguardia, realizada como parte del programa 'Grupo Interdisciplinario para la Investigación Avanzada sobre Resultados del Nacimiento – Iniciativa DBT India' (GARBH-Ini), aborda los desafíos enfrentados en la estimación precisa de la edad gestacional (AG) en el contexto indio.
La estimación precisa de la AG es fundamental para brindar una atención óptima a las mujeres embarazadas, monitorear el bienestar fetal e identificar y manejar complicaciones del embarazo. Sin embargo, en la India, el inicio tardío de la atención prenatal representa un desafío significativo, a menudo comenzando tan tarde como a las 14 semanas de gestación. Este retraso complica los métodos tradicionales como el último período menstrual (LMP), debido a las incertidumbres en el recuerdo del LMP y los ciclos menstruales irregulares.
La diversidad étnica en la India complica aún más la estimación de la AG, con variaciones en los patrones de crecimiento fetal y las mediciones biométricas que no se tienen en cuenta en los modelos centrados en Occidente. La nutrición materna, las condiciones de salud y los factores genéticos contribuyen a diversos patrones de crecimiento fetal, lo que requiere modelos específicos de la población para garantizar una evaluación precisa de la AG.
Presentando Garbhini-GA2: Un modelo adaptado para la India
Para abordar estos desafíos, los investigadores desarrollaron el modelo Garbhini-GA2 utilizando datos del estudio de cohorte GARBH-Ini, un examen exhaustivo de datos clínicos de mujeres embarazadas en la India. Analizar estos datos permitió a los investigadores identificar los parámetros clave que influyen en la estimación de la AG en los últimos trimestres. Garbhini-GA2 incorpora la biometría fetal única y los patrones de crecimiento observados en la población india.
Las evaluaciones comparativas con fórmulas existentes, como Hadlock e InterGrowth-21st, mostraron la superior precisión de Garbhini-GA2. Las métricas que incluyen el error cuadrático medio, el sesgo y las tasas de parto prematuro revelaron que Garbhini-GA2 redujo significativamente el error mediano en la estimación de la AG en más de tres veces en comparación con la fórmula Hadlock. Esto destaca su mayor idoneidad para la población india.
El Dr. Rajesh Gokhale, Secretario del Departamento de Biotecnología del Gobierno de la India, elogió el desarrollo de modelos específicos de la población, enfatizando sus resultados encomiables dentro de la iniciativa GARBH-Ini. Señaló que estos modelos se están validando actualmente en todo el país.
Una vez validado, Garbhini-GA2 tiene el potencial de revolucionar la atención prenatal en la India. Desplegar este modelo en clínicas de todo el país podría mejorar la atención brindada por obstetras y neonatólogos, reduciendo las tasas de mortalidad materna e infantil.
Perspectivas futuras e impacto en la atención médica
Esta investigación pionera, liderada por el Dr. Himanshu Sinha del IIT Madras y la Dra. Shinjini Bhatnagar, Investigadora Principal de GARBH-Ini en THSTI, está preparada para transformar la atención prenatal. La estimación precisa de la AG es crucial para manejar complicaciones como la diabetes gestacional y la preeclampsia, permitiendo un monitoreo y tratamiento específicos según la etapa del embarazo. Además, garantiza la fiabilidad de los datos para investigaciones sobre resultados como el nacimiento muerto, el parto prematuro y la restricción del crecimiento fetal.
El desarrollo y el posible despliegue del modelo Garbhini-GA2 marcan un avance significativo para abordar los desafíos únicos de la estimación de la edad gestacional en la India. Esta innovación impulsada por la IA promete mejorar los resultados de salud para madres e infantes, proporcionando un enfoque personalizado y preciso para la determinación de la edad gestacional. A medida que el modelo se somete a validación, su implementación exitosa en clínicas de todo el país podría inaugurar una nueva era de atención materna y neonatal, consolidando la posición de la India a la vanguardia de las soluciones innovadoras de atención médica.
Las mentes más inteligentes del mundo cripto ya leen nuestro boletín. ¿Quieres unirte? Únete a ellos.
Aviso de responsabilidad. La información proporcionada no es un consejo de trading. Cryptopolitan.com no asumimos responsabilidad alguna por las inversiones realizadas basándose en la información proporcionada en esta página. Recomendamos encarecidamente la investigación independiente y/o la consulta con un profesional calificado antes de tomar cualquier decisión de inversión.
Brenda Kanana
Brenda cuenta con más de 4 años de experiencia especializada en criptomonedas, inteligencia artificial y tecnologías emergentes. Ha trabajado en Zycrypto, Blockchain Reporter y The Coin Republic, y ahora tiene a Cryptopolitan como su hogar. Su licenciatura en Sociología de la Universidad Técnica de Mombasa la mantiene alineada con las necesidades de sus lectores.
