Inteligencia artificial utiliza radiografías de tórax para detectar enfermedades del corazón con una precisión sin precedentes

Científicos de la Universidad Metropolitana de Osaka revelaron un uso innovador de la IA que clasifica las funciones cardíacas y señala la enfermedad cardíaca valvular con una precisión sin precedentes, lo que 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 cardíaca, 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 Dr. Daiju Ueda, del Departamento de Radiología Intervencionista y de Diagnóstico de la Facultad de Medicina de la Universidad Metropolitana de Osaka, consideró que si la función y la enfermedad cardíacas pudieran determinarse a partir de radiografías de tórax, esta prueba podría servir como complemento de la ecocardiografía.

El equipo del Dr. Ueda desarrolló 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.

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 fue entrenado 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 1, mejor).

El AUC fue de 0,92 con un límite del 40 % para detectar la fracción de eyección del ventrículo izquierdo, una medida importante para monitorear la función cardíaca.

“Nos tomó mucho tiempo llegar a estos resultados, pero creo que esta es una investigación importante”, afirmó el Dr. 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”.

Fuente: Rexmolon