.png){kind=logo}
A IA pode ajudar as organizações de saúde (HCOs) a identificar indivíduos em risco de desenvolver a síndrome metabólica (SM).
A síndrome metabólica (SM) é um conjunto de fatores de risco — obesidade central, resistência à insulina, dislipidemia e hipertensão — que aumenta significativamente o risco de doenças cardiovasculares e diabetes tipo 2. Também inclui frequentemente condições como coagulação sanguínea excessiva e inflamação crônica de baixo grau, e tem sido associada a vários tipos de câncer, incluindo câncer de mama, pâncreas, cólon e fígado (1) (2). Aproximadamente 80 milhões de adultos nos EUA atendem aos critérios de SM, resultando em uma média de 60% na utilização e nos custos anuais de saúde em comparação com aqueles sem SM (3). Indivíduos com MetS têm cinco vezes mais chances de desenvolver diabetes, e a condição contribui para um custo total anual de saúde superior a 220 bilhões de dólares (4) (5). Apesar de sua prevalência e sérias implicações, a conscientização pública sobre a SM é baixa, com menos de 15% das pessoas em risco ou com diabetes cientes da condição. Aumentar a conscientização e a identificação precoce são cruciais, pois mais 104 milhões de pessoas correm o risco de desenvolver METs (6).
Para auxiliar nesse esforço, um modelo de IA foi desenvolvido para prever a ocorrência de MetS em indivíduos. Ele aproveita variáveis fisiológicas e de estilo de vida, oferecendo aos profissionais de saúde um meio de identificar e apoiar pacientes em categorias de alto risco para SM com medidas preventivas apropriadas.
O conjunto de dados sintético foi construído referenciando pesquisas extensas e dados de estudos revisados por pares e bancos de dados de saúde para replicar de perto casos clínicos autênticos. Fontes como Steinberg et al. (1), NHLBI (2), O'Neill e O'Driscoll (3), Boudreau et al. (4), Yu et al. (5) e Lewis et al. (6), forneceram as estruturas necessárias para os atributos do modelo, garantindo uma previsão precisa de METs.
A síndrome metabólica (SM) é um conjunto de fatores de risco — obesidade central, resistência à insulina, dislipidemia e hipertensão — que aumenta significativamente o risco de doenças cardiovasculares e diabetes tipo 2. Também inclui frequentemente condições como coagulação sanguínea excessiva e inflamação crônica de baixo grau, e tem sido associada a vários tipos de câncer, incluindo câncer de mama, pâncreas, cólon e fígado (1) (2). Aproximadamente 80 milhões de adultos nos EUA atendem aos critérios de SM, resultando em uma média de 60% na utilização e nos custos anuais de saúde em comparação com aqueles sem SM (3). Indivíduos com MetS têm cinco vezes mais chances de desenvolver diabetes, e a condição contribui para um custo total anual de saúde superior a 220 bilhões de dólares (4) (5). Apesar de sua prevalência e sérias implicações, a conscientização pública sobre a SM é baixa, com menos de 15% das pessoas em risco ou com diabetes cientes da condição. Aumentar a conscientização e a identificação precoce são cruciais, pois mais 104 milhões de pessoas correm o risco de desenvolver METs (6).
Para auxiliar nesse esforço, um modelo de IA foi desenvolvido para prever a ocorrência de MetS em indivíduos. Ele aproveita variáveis fisiológicas e de estilo de vida, oferecendo aos profissionais de saúde um meio de identificar e apoiar pacientes em categorias de alto risco para SM com medidas preventivas apropriadas.
O conjunto de dados sintético foi construído referenciando pesquisas extensas e dados de estudos revisados por pares e bancos de dados de saúde para replicar de perto casos clínicos autênticos. Fontes como Steinberg et al. (1), NHLBI (2), O'Neill e O'Driscoll (3), Boudreau et al. (4), Yu et al. (5) e Lewis et al. (6), forneceram as estruturas necessárias para os atributos do modelo, garantindo uma previsão precisa de METs.
