Científicos de Cedars-Sinai utilizaron dos modelos de IA para desarrollar un método no invasivo en la identificación de riesgo cardiovascular.
Investigadores de Cedars-Sinai, publicaron un estudio que muestra cómo un modelo entrenado de inteligencia artificial (IA), puede evaluar de manera precisa el riesgo cardiovascular de un paciente durante un escaneo de rutina por tomografía computarizada. Este método de imagen mide el calcio coronario, el tamaño de las cámaras y del musculo cardiaco, lo cual sería útil para lograr métodos de identificación de riesgo cardiovascular más asequibles y menos invasivos.
The study published in Nature Communications, indica que el calcio coronario, el volumen de la aurícula izquierda y el índice de masa del ventrículo izquierdo se asocian de forma independiente con la mortalidad cardiovascular por todas las causas y la clasificación del riesgo es significativamente mejor en comparación con la identificación de anomalías por parte de un radiólogo.
El estudio consistió en utilizar dos modelos de IA para evaluar datos acerca del calcio coronario y el tamaño de las cámaras del músculo cardíaco de casi 30 mil registros de imágenes de pacientes. El estudio determinó que estas medidas son un mejor indicador para conocer el riesgo cardíaco.
“Es probable que estos resultados cambien la práctica de muchos pacientes porque esta tecnología puede identificar con precisión el riesgo cardiovascular sin el uso de pruebas invasivas o medios de contraste que algunos pacientes no pueden recibir” indicó el Dr. Piotr J. Slomka, director de Innovación en Imagenología de Cedars-Sinai y profesor de Medicina en la División de Inteligencia Artificial en Medicina.
“Este novedoso algoritmo de IA hace posible obtener información crucial sobre la salud del corazón a partir de exploraciones más baratas que utilizan menos radiación, lo que podría hacer que las evaluaciones cardíacas detalladas formen parte de los procedimientos de diagnóstico regulares”, explicó el Dr. Slomka, que también es autor principal del estudio.
Generalmente se realizan grandes cantidades de tomografías para diagnosticar enfermedades de manera rutinaria, sin embargo, no siempre se aprovechan los datos que estas contienen. Los métodos de análisis de estas imágenes son poco utilizados.
“Este enfoque automatizado se puede integrar en los flujos de trabajo clínicos para mejorar la identificación de anomalías y la estratificación del riesgo, lo que permite a los médicos mejorar la toma de decisiones clínicas”, explica el estudio.
