EchoNet-Liver, un modelo de IA de Cedars-Sinai identifica enfermedades hepáticas en ecocardiogramas.
Investigadores del Smidt Heart Institute en Cedars-Sinai han desarrollado un modelo de inteligencia artificial (IA) que puede detectar enfermedades hepáticas crónicas utilizando ecocardiogramas, una prueba de ultrasonido comúnmente utilizada para evaluar la salud del corazón. Este avance representa una nueva forma de diagnóstico que podría ayudar a identificar enfermedades hepáticas en etapas tempranas sin necesidad de realizar pruebas adicionales.
The study was published in NEJM AI detalla un modelo de evaluación mediante deep learning o aprendizaje profundo de una ecografía, lo que permite realizar un cribado oportunista de enfermedades hepáticas. El modelo, denominado EchoNet-Liver, utiliza algoritmos para analizar patrones en imágenes captadas durante ecocardiogramas, específicamente aquellas que muestran el hígado. Durante el estudio, los investigadores entrenaron la IA con más de 1.5 millones de videos de ecocardiogramas de pacientes que también se habían sometido a pruebas abdominales, como ultrasonidos o resonancias magnéticas.
Los resultados demostraron que el modelo fue capaz de detectar cirrosis, (cicatrización del hígado) y la enfermedad hepática esteatósica (anteriormente conocida como enfermedad del hígado graso) con un nivel de precisión comparable al de las pruebas tradicionales de diagnóstico por imagen.
El Dr. Alan Kwan, profesor asistente del Departamento de Cardiología en Cedars-Sinai y autor principal del estudio, destacó que esta tecnología puede integrarse en pruebas rutinarias sin costos adicionales: “Incorporar la IA en ecocardiogramas, que captan imágenes tanto del corazón como del hígado, puede conducir a un diagnóstico de enfermedad hepática sin costos adicionales”.
Uno de los beneficios de esta innovación es que permite detectar signos de enfermedades hepáticas en personas asintomáticas, lo que podría facilitar una intervención temprana y mejorar los resultados de salud.
El Dr. David Ouyang, coautor del estudio, explicó que la tecnología podría ayudar a los médicos a distinguir entre enfermedades hepáticas primarias y daños secundarios relacionados con problemas cardíacos: “Nuestro modelo de aprendizaje profundo puede ayudar a los médicos a detectar enfermedades hepáticas que podrían haber pasado desapercibidas y, así, dirigir pruebas de seguimiento adecuadas”.
De esta manera, avances como EchoNet-Liver demuestran cómo estas tecnologías pueden optimizar la detección de enfermedades de manera más eficiente. Los investigadores pretenden realizar nuevos estudios para evaluar cómo el modelo puede mejorar la atención a largo plazo y contribuir a la prevención de enfermedades hepáticas en la población.
Además, según los autores, este avance se alinea con la tendencia emergente de usar la IA para analizar múltiples sistemas del cuerpo en lugar de solo órganos individuales, ofreciendo un enfoque más integral para la detección temprana y el cuidado de la salud.
