Investigadores de Emory University desarrollaron un modelo basado en inteligencia que permite la detección temprana de diabetes a través de imágenes de rayos X.
Un modelo de inteligencia artificial (IA) desarrollado en Emory University, encontró que las imágenes de rayos X realizadas durante revisiones médicas rutinarias pueden contener signos de alerta tempana de diabetes, incluso en pacientes que no tienen riesgo alto de padecer esta condición. El modelo permitiría a los médicos detectar tempranamente la diabetes y prevenir complicaciones.
Este modelo aplica un método de análisis de aprendizaje profundo a imágenes de registros clínicos electrónicos y fue probado con radiografías de tórax de pacientes que años después fueron diagnosticados con diabetes.
Las pautas actuales en Estados Unidos sugieren evaluar a los pacientes para la detección de diabetes tipo 2 si tienen entre 35 y 70 años, y si tienen un índice de masa corporal en el rango de sobrepeso a obesidad. Sin embargo, diversos estudios han demostrado que esta estrategia de detección ignora a un gran número de casos, especialmente en minorías étnicas o raciales, en las cuales el IMC es un predictor menos efectivo del riesgo de diabetes.
Judy Wawira Gichoya, profesora asistente de radiología y ciencias de la imagen e investigadora principal de Emory University explicó que las radiografías de tórax brindan una alternativa oportuna para la detección de diabetes. “Esta es una aplicación potencial emocionante de la IA para extraer datos de las pruebas utilizadas por otras razones y tener un impacto positivo en la atención del paciente”, resaltó.
Para el entrenamiento del modelo de IA los investigadores tomaron en cuenta 271,065 radiografías de tórax de 160,244 pacientes obtenidos de 2010 a 2021. El conjunto de datos de entrenamiento original se evaluó más mediante técnicas de validación cruzada de k-fold y posteriormente validaron externamente con 5026 radiografías de una institución separada del estudio.
Las radiografías de tórax no son una forma convencional para la detección de diabetes, por lo que los investigadores utilizaron técnicas de IA explicables para determinar cómo y por qué el modelo actuó de determinada manera. De esta manera el modelo de aprendizaje profundo determinó que la ubicación del tejido graso es importante para determinar el riesgo de padecer esta enfermedad, un factor de riesgo que se asocia con la resistencia a la insulina, hipertensión y otras condiciones.
Como se mencionó anteriormente, en algunos casos el modelo advirtió sobre alto riesgo de diabetes en imágenes obtenidas tres años antes del diagnóstico de diabetes en pacientes. Esto no solo es importante para la prevención y detección oportuna, sino también para desarrollar enfoques personalizados de tratamiento a cada paciente.
“El enfoque oportunista de utilizar radiografías de tórax para identificar a las personas con mayor riesgo de diabetes, incluso antes de que se produzca un pico o una caída en los niveles de azúcar en la sangre, es un método prometedor que puede ayudar a mejorar los resultados a través de medidas o tratamientos preventivos tempranos”, mencionó Francisco Pasquel, profesor asociado en la División de Endocrinología, Metabolismo y Lípidos de Emory University.
Luego de los primeros hallazgos, los investigadores buscan una validación más concreta del modelo de IA basado en aprendizaje, para incorporarlo en sistemas de registros de salud electrónicos y así alertar a los médicos sobre pacientes con alto riesgo de padecer diabetes según sus radiografías.
Además, buscarán replicar este método de las radiografías de tórax en el diagnóstico de otras afecciones vasculares, insuficiencia cardiaca o enfermedades pulmonares.
Consulta el estudio completo en el siguiente enlace:
