La AHA presentará en su evento Scientific Sessions 2023, nuevos avaneces de inteligencia artificial para la detección de valvulopatías cardíacas y la predicción de riesgo cardiovascular.
La inteligencia artificial (IA) y los modelos de aprendizaje profundo o deep learning son capaces de ayudar a predecir el riesgo de eventos de enfermedades cardiovasculares y detectar enfermedades de las válvulas cardíacas, según dos nuevos estudios preliminares serán presentados por la Asociación Estadounidense del Corazón (AHA, en inglés) en su evento Scientific Sessions 2023. El evento se llevará a cabo del 11 al 13 de noviembre en Filadelfia, en lo que será un gran intercambio global de los últimos avances científicos, investigaciones y actualizaciones basadas en evidencia en la práctica clínica en ciencias cardiovasculares.
Uno de los estudios encontró que un modelo de IA que analizó datos de sonido del corazón grabados con un estetoscopio digital logró detectar con mayor precisión enfermedades de las válvulas cardíacas que un profesional de la salud que escuchaba el corazón con un estetoscopio tradicional. Por otra parte, el otro estudio evaluó datos del Biobanco del Reino Unido o UK Biobank, un programa de IA y aprendizaje profundo analizó y clasificó de manera efectiva imágenes de los ojos de personas con prediabetes y diabetes tipo 2 para determinar su riesgo de eventos de enfermedades cardiovasculares.
“Los métodos computacionales para desarrollar nuevos predictores de salud y enfermedad, es decir, la ‘inteligencia artificial’, se están volviendo cada vez más sofisticados”, dijo Dan Roden, profesor de medicina, farmacología e informática biomédica y vicepresidente sénior de medicina personalizada en el Centro Médico de la Universidad de Vanderbilt, así como presidente del Consejo de Genómica y Medicina de Precisión de la Asociación. Además, resaltó que ambos estudios son fáciles de comprender y de tomar en cuenta lo que representan para el mundo en general.
El primer estudio sobre el modelo de IA con el estetoscopio digital detectó el 94,1% de los casos de valvulopatía, frente al estetoscopio estándar utilizado por los profesionales de atención primaria, que solamente detectó el 41,2% de los casos. De esta manera, el método de IA identificó a 22 personas con valvulopatías moderadas o graves no diagnosticadas previamente, y los profesionales que utilizaron los fonendoscopios estándar identificaron a 8 personas con valvulopatías no diagnosticadas previamente.
El autor principal del estudio Moshe Rancier, director médico senior de Mass General Brigham Community Physicians. Explicó que: “Este estudio demuestra que los profesionales de la salud pueden examinar a los pacientes en busca de valvulopatías de manera más eficaz y rápida utilizando un estetoscopio digital emparejado con IA de alto rendimiento que podría detectar soplos cardíacos asociados con valvulopatías significativas”.
No obstante, el estudio incluye varis limitaciones la principal el tamaño de la muestra, ya que solo incluyó 369 pacientes de 50 años en adelante (61% de mujeres). Por ello será necesario realizar pruebas con este modelo con conjuntos de datos más grandes para comprobar su utilidad clínica en los sistemas de salud.
Por otra parte, el estudio sobre las imágenes de retina aprendizaje automático tuvo como objetivo predecir eventos de enfermedad cardiovascular en pacientes prediabéticos y diabéticos. Este estudio utilizó datos del UK Biobank evaluó la eficacia de un algoritmo de aprendizaje profundo para analizar imágenes de la retina en la parte posterior del ojo.
Los investigadores utilizaron este algoritmo para categorizar imágenes de retina de 1,101 personas en grupos de bajo riesgo, riesgo moderado y alto riesgo de enfermedad cardiovascular. Posteriormente, midieron el número de eventos de enfermedad cardiovascular durante un período de 11 años.
Los resultados mostraron que el 8.2% de los participantes en el grupo de bajo riesgo, el 15.2% en el grupo de riesgo moderado y el 18.5% en el grupo de alto riesgo experimentaron eventos de enfermedad cardiovascular al final de los 11 años de estudio. Asimismo, luego de considerar factores demográficos y otros posibles factores de riesgo de enfermedad cardiovascular, las personas en el grupo de riesgo moderado tenían un 57% más de probabilidad de experimentar un evento cardiovascular en comparación con las personas del grupo de bajo riesgo. De igual forma, las personas con puntuaciones de alto riesgo tenían un 88% más de probabilidad de experimentar un evento cardiovascular en comparación con las del grupo de bajo riesgo.
Por su parte, el autor principal del estudio, el Dr. Chan Joo Lee, señaló que estos resultados demuestran el potencial del análisis de la IA basada en de imágenes de retina como una herramienta de detección temprana de enfermedades cardíacas en grupos de alto riesgo, como las personas incluidas en el estudio. Además, indicó que esto podría llevar a intervenciones tempranas y un mejor manejo de estos grupos de pacientes, reduciendo en la incidencia de complicaciones relacionadas con enfermedades cardíacas.
Al igual que el anterior estudio, este también cuenta con diversas limitaciones, por ejemplo, que el UK Biobank incluye más del 90% de participantes que tienen ascendencia europea, por lo que el algoritmo no ha sido probado con conjuntos de datos de personas no europeas.
