Método revolucionario basado en IA clasifica con precisión función y enfermedad cardíaca utilizando radiografías de tórax

Sin embargo, esta técnica requiere experiencia especializada, lo que lleva a una escasez de técnicos competentes. La radiografía de tórax, por otro lado, es un método de diagnóstico ampliamente utilizado para identificar principalmente enfermedades pulmonares. Aunque el corazón es visible en las radiografías de tórax o en los rayos X de tórax, su potencial para detectar la función o enfermedad cardíaca ha sido en gran parte inexplorado hasta ahora. Dado su uso generalizado, rápida ejecución y alta reproducibilidad, las radiografías de tórax podrían servir como una herramienta complementaria a la ecocardiografía para diagnosticar afecciones cardíacas si pudieran determinar con precisión la función y la enfermedad cardíacas. Ahora, una innovadora herramienta de inteligencia artificial (IA) utiliza radiografías de tórax para clasificar las funciones cardíacas e identificar enfermedades cardíacas valvulares con una precisión sin precedentes.

Científicos de la Universidad Metropolitana de Osaka (Osaka, Japón) han desarrollado un modelo basado en IA capaz de clasificar con precisión las funciones cardíacas y diagnosticar enfermedades cardíacas valvulares utilizando radiografías de tórax. Dado el potencial de sesgo y la baja precisión resultante si la IA se entrena en un solo conjunto de datos, el equipo recopiló un conjunto de datos multiinstitucional que comprende 22.551 radiografías de tórax y ecocardiogramas correspondientes de 16.946 pacientes en cuatro instalaciones entre 2013 y 2021. El modelo de IA fue entrenado utilizando radiografías de tórax como datos de entrada y los ecocardiogramas correspondientes como datos de salida, lo que le permite aprender las características conectoras de los dos conjuntos de datos.

El modelo de IA fue exitoso en clasificar con precisión seis tipos seleccionados de cardiopatía valvular, con el área bajo la curva (AUC es un índice de calificación que indica la capacidad de un modelo de IA con un rango de valores de 0 a 1; cuanto más cerca de 1, mejor) que va de 0,83 a 0,92. El AUC fue de 0,92 con un límite del 40 % para detectar la fracción de eyección ventricular izquierda, una métrica esencial para monitorear la función cardíaca.

“Nos tomó mucho tiempo llegar a estos resultados, pero creo que esta es una investigación importante”, afirmó el Dr. Daiju Ueda de la Universidad Metropolitana de Osaka, quien dirigió el equipo de investigación. “Además de mejorar la eficiencia de los diagnósticos de los médicos, el sistema también podría usarse en áreas donde no hay especialistas, en emergencias en horario nocturno y para pacientes que tienen dificultades para someterse a una ecocardiografía”.

Enlaces relacionados:
Universidad Metropolitana de Osaka