La inteligencia artificial (IA) puede sonar como un frío sistema robótico, pero los científicos de la Universidad Metropolitana de Osaka (Japón) han demostrado que puede brindar un apoyo conmovedor o, más concretamente, una "advertencia al corazón" al clasificar las funciones cardiacas y señalar la enfermedad cardíaca valvular con una precisión sin precedentes. Este nuevo descubrimiento, publicado en 'The Lancet Digital Health', demuestra un progreso continuo en la fusión de los campos de la medicina y la tecnología para mejorar la atención al paciente.
La enfermedad cardíaca valvular, una de las causas de la insuficiencia cardiaca, a menudo se diagnostica mediante ecocardiografía. Sin embargo, esta técnica requiere habilidades especializadas, por lo que existe una escasez correspondiente de técnicos calificados.
Mientras tanto, la radiografía de tórax es una de las pruebas más comunes para identificar enfermedades, principalmente de los pulmones. Aunque el corazón también es visible en las radiografías de tórax, hasta ahora se sabía poco sobre la capacidad de las radiografías de tórax para detectar la función o enfermedad cardíaca. Las radiografías de tórax se realizan en muchos hospitales y se requiere muy poco tiempo para realizarlas, lo que las hace muy accesibles y reproducibles.
En consecuencia, el equipo de investigación dirigido por el doctor Daiju Ueda, del Departamento de Diagnóstico y Radiología Intervencionista de la Facultad de Medicina de la Universidad Metropolitana de Osaka ha desarrollado con éxito un modelo que utiliza IA para clasificar con precisión las funciones cardíacas y las enfermedades cardíacas valvulares a partir de radiografías de tórax.
Dado que la IA entrenada en un solo conjunto de datos enfrenta un sesgo potencial, lo que lleva a una baja precisión, el equipo apuntó a datos multiinstitucionales. En consecuencia, se recopiló un total de 22.551 radiografías de tórax asociadas con 22.551 ecocardiogramas de 16.946 pacientes en cuatro centros entre 2013 y 2021. Con las radiografías de tórax configuradas como datos de entrada y los ecocardiogramas como datos de salida, el modelo de IA se entrenó para aprender características que conectan ambos conjuntos de datos.
El modelo de IA pudo categorizar con precisión seis tipos seleccionados de enfermedad cardíaca valvular, con el área bajo la curva, o AUC, que va de 0,83 a 0,92 (AUC es un índice de calificación que indica la capacidad de un modelo de IA y utiliza un rango de valores de 0 a 1, cuanto más cerca de uno, mejor). El AUC fue de 0,92 con un límite del 40% para detectar la eyección del ventrículo izquierdo.
"Nos tomó mucho tiempo llegar a estos resultados, pero creo que esta es una investigación importante", afirma el doctor Ueda. "Además de mejorar la eficiencia de los diagnósticos de los médicos, el sistema también podría usarse en áreas donde no hay especialistas, en emergencias nocturnas y para pacientes que tienen dificultades para someterse a una ecocardiografía", añade.
