Machine learning of routine blood tests predicts spinal cord injury outcomes within days, aiding early treatment decisions. El aprendizaje automático de los análisis de sangre de rutina predice los resultados de la lesión de la médula espinal en cuestión de días, lo que ayuda a tomar decisiones de tratamiento tempranas.

A University of Waterloo study finds that routine blood tests, analyzed with machine learning, can predict spinal cord injury severity and outcomes—including survival—within days of admission, even before neurological exams. Un estudio de la Universidad de Waterloo encuentra que los análisis de sangre de rutina, analizados con aprendizaje automático, pueden predecir la gravedad y los resultados de la lesión de la médula espinal, incluida la supervivencia, dentro de los días de admisión, incluso antes de los exámenes neurológicos. Using data from over 2,600 U.S. patients, researchers identified patterns in common blood markers like electrolytes and immune cells collected in the first three weeks post-injury. Utilizando datos de más de 2.600 pacientes estadounidenses, los investigadores identificaron patrones en marcadores sanguíneos comunes como electrolitos y células inmunes recolectadas en las primeras tres semanas posteriores a la lesión. The models accurately forecasted outcomes early on, with accuracy improving over time, offering a low-cost, widely available tool to guide treatment and resource use in intensive care. Los modelos predijeron con precisión los resultados desde el principio, con una precisión que mejora con el tiempo, ofreciendo una herramienta de bajo costo y ampliamente disponible para orientar el tratamiento y el uso de recursos en cuidados intensivos. The approach could enhance early prognosis and personalized care for spinal cord injury patients globally. El enfoque podría mejorar el pronóstico precoz y la atención personalizada para pacientes con lesiones de la médula espinal en todo el mundo.