Saltar al contenido

La IA puede predecir su riesgo de ataque cardíaco o accidente cerebrovascular a 10 años a partir de una sola radiografía

29 de noviembre de 2022

Un modelo de inteligencia artificial (IA) puede predecir su riesgo de morir de un ataque cardíaco o un derrame cerebral durante un período de 10 años a partir de una sola radiografía de tórax.

Los investigadores entrenaron a la IA de aprendizaje profundo para buscar en las imágenes de rayos X patrones asociados con la aterosclerosis, la causa dominante de la enfermedad cardíaca cardiovascular.

Las pautas de salud actuales en los EE. UU. recomiendan estimar un riesgo de 10 años de eventos importantes de enfermedad cardíaca, de modo que se puedan tomar medidas preventivas cuando sea necesario, como el uso de estatinas.

El riesgo se calcula mediante una puntuación basada en variables como la edad, el sexo, la raza, la presión arterial, el tratamiento de la hipertensión, el tabaquismo, la diabetes tipo 2 y los análisis de sangre.


Recomendado: ¿Qué es el Big data?.


Las estatinas se recomiendan para pacientes que tienen un riesgo a 10 años del 7,5 por ciento o más.

«Las variables necesarias para calcular el riesgo de ASCVD a menudo no están disponibles, lo que hace deseables los enfoques para la detección basada en la población», dijo el autor principal del estudio, el Dr. Jakob Weiss, radiólogo afiliado al Centro de Investigación de Imágenes Cardiovasculares del Hospital General de Massachusetts y el AI en el programa de Medicina del Brigham and Women’s Hospital en Boston.

“Nuestro modelo de aprendizaje profundo ofrece una solución potencial para la detección oportunista basada en la población del riesgo de enfermedad cardiovascular utilizando imágenes de rayos X de tórax existentes.

“Dado que las radiografías de tórax están comúnmente disponibles, nuestro enfoque puede ayudar a identificar a las personas con alto riesgo. Este tipo de evaluación podría usarse para identificar a las personas que se beneficiarían de la medicación con estatinas pero que actualmente no reciben tratamiento”.

Avances en IA que lo hacen posible

El equipo de investigadores entrenó un modelo de aprendizaje profundo utilizando 147 497 radiografías de tórax de 40 643 participantes en el Ensayo de detección de cáncer de próstata, pulmón, colorrectal y de ovario, un ensayo controlado aleatorio multicéntrico diseñado y patrocinado por el Instituto Nacional del Cáncer en los Estados Unidos. A NOSOTROS.

Probaron el modelo, llamado riesgo de CXR-CVD, utilizando una segunda cohorte independiente de 11,430 pacientes ambulatorios que se sometieron a radiografías de tórax y eran potencialmente elegibles para la terapia con estatinas.

De 11.430 pacientes, 1.096, o el 9,6 por ciento, sufrieron un evento cardíaco adverso importante durante la mediana de seguimiento de 10,3 años.

Encontraron una «asociación significativa» entre el riesgo predicho por el modelo de riesgo CXR-CVD y los principales eventos cardíacos reales observados.

“La belleza de este enfoque es que solo necesita una radiografía, que se adquiere millones de veces al día en todo el mundo”, dijo Weiss.

“Basado en una sola imagen de rayos X de tórax existente, nuestro modelo de aprendizaje profundo predice futuros eventos cardiovasculares adversos importantes con un rendimiento similar y un valor incremental al estándar clínico establecido”.

Dijo que se sabe desde hace mucho tiempo que los rayos X capturan información más allá de los hallazgos de diagnóstico tradicionales, pero que los datos no se han utilizado porque «no hemos tenido métodos sólidos y confiables».

“Los avances en IA lo están haciendo posible ahora”, dijo.

“Lo que hemos demostrado es que una radiografía de tórax es más que una radiografía de tórax. Con un enfoque como este, obtenemos una medida cuantitativa, que nos permite brindar información tanto de diagnóstico como de pronóstico que ayuda al médico y al paciente”.

Weiss dijo que se necesita investigación adicional, incluido un ensayo aleatorio controlado, para validar el modelo de aprendizaje profundo, que en última instancia podría servir como una herramienta de apoyo a las decisiones para los médicos tratantes.

Los resultados del estudio se presentaron el martes en la reunión anual de la Sociedad Radiológica de América del Norte (RSNA).