Filter by input type
Select all
News
Pages
Events
Filter by category
Select all
AI ANALYTICS
Mobile Apps and Internet of Things
Advancement of science
big data
Connected communities
Coronavirus
Courses and training
DIAGNOSIS
Initial Editorial
Editorials
A world in the cloud
Events
Infographics
Artificial Intelligence and Science
IoT Apps
News
Digital platforms
Social networks
Review of scientific publications
Course Summary
Synopsis of essay
Overview of reference frames
Synopsis of recent publications
Use of Digital Platforms
Índice de masa corporal e IA pueden predecir enfermedades cardiometebólicas.

Investigadores utilizan el índice de masa corporal obtenido por medio de una electrocardiografía mejorada con IA podría predecir enfermedades cardiometabólicas a futuro.

Un estudio realizado por investigadores de Imperial College London y otras instituciones de investigación, publicado en npj Digital Medicine journal exploró la creación de un nuevo método para la predicción de enfermedades cardiometabólicas basado en un electrocardiograma (ECG). Un electrocardiograma ECG es capaz de capturar cambios cardíacos relacionados con la obesidad, sin embargo, un ECG mejorado con inteligencia artificial (IA) identifica enfermedades subclínicas.  En años recientes la aplicación del deep learning en el campo de ECG ha ganado terreno, especialmente por estudios donde se demuestran sus capacidades diagnósticas y predictivas para predecir enfermedades cardíacas.

Por ello los investigadores entrenaron un modelo de ECG-IA para predecir el índice de masa corporal (IMC) a partir de un ECG. El estudio utilizó datos de 512,950 mil ECG, los cuales fueron validados con datos del UK Biobank (42,386 personas).

El modelo mostró resultados favorables en la predicción del IMC de los pacientes. Asimismo, el estudio introdujo el concepto Delta-BMI, que se refiere a la diferencia entre el IMC predicho por el modelo de ECG-IA. En este sentido, el estudio encontró que el delta-BMI es un marcador de salud cardiometabólica, ya que los pacientes con índices más altos de Delta-BMI tenían un mayor riesgo de desarrollar enfermedades cardiometabólicas y diabetes mellitus en el futuro.

Para la construcción del modelo fue utilizada una red neuronal residual 3D para segmentar y analizar imágenes de los pulmones. Además, como se indicó anteriormente, el modelo fue validado de manera externa con datos del UK Biobank.

El estudio también encontró diversas asociaciones genéticas y perfiles metabólicos. Por ejemplo, existe una asociación entre delta-BMI y varios biomarcadores metabólicos y proteómicos.

Es decir, el modelo de ECG-IA es capaz no solo de predecir el IMC de forma precisa, sino que utiliza el delta-BMI como un biomarcador no invasivo para estratificar el riesgo cardiometabólico. De igual manera, este modelo puede identificar individuos en riesgo de desarrollar enfermedades cardiometabólicas futuras, lo cual facilita las intervenciones preventivas.

Outstanding news

News by country

Related Content

Secured By miniOrange