La inteligencia artificial puede ayudar a predecir la cardiotoxicidad en el carcinoma de células renales

Los modelos de inteligencia artificial pueden ayudar a predecir el riesgo de cardiotoxicidad entre los pacientes con carcinoma de células renales tratados con inhibidores del receptor VEGF, según los resultados del estudio.

La integración de modelos de inteligencia artificial (IA) en los registros médicos electrónicos puede ayudar a los oncólogos y otros miembros del equipo de atención clínica a identificar a aquellos que pueden beneficiarse de la monitorización y el tratamiento cardiooncológicos, según mostraron los hallazgos presentados en el Simposio Internacional de Cáncer de Riñón: América del Norte.

«Se justifican más estudios que comparen las diferencias en los resultados entre los pacientes de alto riesgo que fueron remitidos a cardio-oncología versus los pacientes que no fueron remitidos», Hesham YAsín, MD, miembro clínico del Centro Médico de la Universidad de Vanderbilt y sus colegas.

Los inhibidores de la tirosina quinasa que se dirigen a los receptores de VEGF son componentes estándar del tratamiento del carcinoma de células renales. Estos agentes generalmente son efectivos y seguros, pero pueden causar un riesgo de cardiotoxicidad para aproximadamente el 3% al 8% de los pacientes, según los antecedentes del estudio.

Los investigadores plantearon la hipótesis de que la IA y el aprendizaje automático pueden ayudar a predecir qué pacientes pueden tener un riesgo elevado de cardiotoxicidad, lo que permite una derivación oportuna para un seguimiento o tratamiento cardiooncológico.

Yasin y sus colegas utilizaron el EMR del Centro Médico de la Universidad de Vanderbilt para obtener datos no identificados relacionados con 2047 pacientes con carcinoma de células renales que recibieron cualquiera de los 10 TKI del receptor VEGF.

Los investigadores aplicaron algoritmos de aprendizaje automático de redes neuronales artificiales y bosques aleatorios para analizar la cohorte, clasificando a los pacientes en cuatro grupos de riesgo (potencial, bajo, moderado o mayor) en función de los factores de riesgo de cardiotoxicidad.

El grupo de riesgo potencial incluía a cualquier paciente tratado con inhibidores de VEGF.

El grupo de bajo riesgo incluía a aquellos con uno o más de los siguientes factores de riesgo: hiperlipidemia, colesterol de lipoproteínas de alta densidad (HDL) entre 41 y 59, o colesterol de lipoproteínas de baja densidad (LDL) entre 160 y 189.

El grupo de riesgo moderado incluyó a aquellos con hasta dos de los siguientes factores de riesgo: hipertensión esencial, HDL de 40 o menos, diabetes mellitus, edad mayor de 65 años, LDL de al menos 190 y/o xantoma, IMC mayor de 35 kg. /metro²tabaquismo, fracción de eyección del ventrículo izquierdo (FEVI) del 51 % al 54 %, presión arterial de 140/90 o superior, nivel de prohormona N-terminal del péptido natriurético cerebral de 400 o superior, o nivel de péptido natriurético cerebral superior a 100.

El grupo de mayor riesgo incluía a aquellos con tres o más factores de riesgo moderado, o uno o más de los siguientes: radiación, insuficiencia cardíaca sistólica, miocardiopatía isquémica u otra miocardiopatía, arteriopatía coronaria, insuficiencia cardíaca diastólica, estenosis aórtica grave, insuficiencia mitral, fibrilación auricular, FEVI del 50 % o menos, hipertensión pulmonar grave, troponina superior a 0,02 o HbA1C superior a 9.

Yasin y sus colegas dividieron a los pacientes en un conjunto de entrenamiento (80 %) y un conjunto de validación (20 %).

Los análisis de validación limitados mostraron que el 58 % de los pacientes que exhibían un riesgo importante de cardiotoxicidad no fueron remitidos a especialistas en cardiooncología.

“Se está llevando a cabo un proyecto piloto para integrar las predicciones del modelo en el flujo de trabajo de Epic como un informe de los pacientes que deben ser derivados a cardiooncología para monitoreo y/o tratamientos personalizados”, escribieron Yasin y sus colegas.