IA detecta enfermedades cardíacas ocultas en TC de tórax existentes

Por el contrario, la mayoría de las tomografías computarizadas de tórax, realizadas rutinariamente con diversos fines clínicos, como la detección del cáncer de pulmón, no están sincronizadas (nongated) y no se utilizan para cuantificar el CAC. Esto desperdicia una oportunidad para la identificación temprana de pacientes con riesgo de cardiopatía. Ahora, investigadores han desarrollado una herramienta de aprendizaje profundo que puede cuantificar con precisión los niveles de CAC a partir de estas tomografías no sincronizadas existentes, lo que permite la predicción del riesgo cardiovascular a gran escala sin necesidad de nuevas imágenes.

La herramienta basada en IA, conocida como AI-CAC, fue desarrollada por investigadores del Hospital General de Massachusetts (Boston, MA, EUA). Al reconocer que el CAC sigue siendo visible en las tomografías no sincronizadas, a pesar de cierta borrosidad por movimiento, el equipo diseñó AI-CAC para analizar imágenes estándar de TC de tórax e identificar a las personas con niveles altos de CAC que presentan un mayor riesgo de eventos cardiovasculares.

AI-CAC se entrenó utilizando TC de tórax de la atención clínica habitual de veteranos en 98 centros médicos de la VA. Para probar su rendimiento, los investigadores aplicaron AI-CAC a una muestra de 8.052 tomografías computarizadas, simulando la detección de CAC dentro de flujos de trabajo de imágenes estándar. La herramienta alcanzó una precisión del 89,4 % en la identificación de la presencia de CAC y del 87,3 % en la clasificación de las puntuaciones de CAC como superiores o inferiores a 100, un umbral de riesgo moderado.

El estudio, publicado en NEJM AI, también demostró que AI-CAC predecía resultados a largo plazo. Los pacientes con puntuaciones de CAC superiores a 400 tenían un riesgo de muerte 3,49 veces mayor en 10 años en comparación con aquellos con una puntuación de cero. Los cardiólogos que revisaron los resultados del modelo confirmaron que el 99,2 % de las personas marcadas con puntuaciones de CAC muy altas se beneficiarían de la terapia hipolipemiante.

Al aprovechar las TC de tórax existentes, AI-CAC ofrece una forma rentable y escalable de evaluar el riesgo cardiovascular, lo que ayuda a los médicos a identificar a las personas de alto riesgo que de otro modo podrían no ser diagnosticadas. Los investigadores planean extender la validación de la herramienta a la población general y explorar si puede rastrear los cambios en el CAC a lo largo del tiempo en respuesta al tratamiento.

“Nuestro estudio demuestra que información importante sobre el riesgo cardiovascular pasa desapercibida en estas exploraciones”, afirmó el autor principal, Dr. Hugo Aerts, director del Programa de Inteligencia Artificial en Medicina (AIM) del Hospital General de Massachusetts (Mass General Brigham). “Nuestro estudio demuestra que la IA tiene el potencial de transformar la práctica médica y permitirles interactuar con los pacientes de forma más temprana, antes de que su cardiopatía progrese y provoque un evento cardíaco”.