Un grupo de investigadores estadounidenses ha presentado, en el marco de la reunión anual de la Sociedad Radiológica de América del Norte (RSNA, por sus siglas en inglés) un modelo de machine learning, tipo avanzado de inteligencia artificial, capaz de predecir el riesgo de muerte a 10 años por un ataque cardíaco o derrame cerebral derivado de la enfermedad cardiovascular aterosclerótica, utilizando tan solo una radiografía de tórax del paciente.
"Ofrece una solución potencial para la detección oportunista basada en la población del riesgo de enfermedad cardiovascular utilizando imágenes de rayos X de tórax existentes", explica, tal y como recogen en Europa Press, el autor principal del estudio Jakob Weiss, radiólogo afiliado al Centro de Investigación de Imágenes Cardiovasculares en el Hospital General de Massachusetts y del programa AI in Medicine en el Brigham and Women's Hospital en Boston.
"Este tipo de evaluación podría usarse para identificar a las personas que se beneficiarían de la medicación con estatinas pero que actualmente no reciben tratamiento", añade. Las recomendaciones que recogen actualmente las guías sugieren estimar el riesgo de eventos cardiovasculares adversos mayores a 10 años con el objetivo de determinar quién debe recibir una estatina como mecanismo de prevención primaria.
El riesgo se calcula empleando la puntuación de riesgo de enfermedad cardiovasular aterosclerótica (ASCVD, por sus siglas en inglés), un modelo estadístico que tiene en cuenta una serie de variables, entre las que se incluyen edad, sexo, raza, presión arterial sistólica, tratamiento de la hipertensión, tabaquismo, diabetes tipo 2 y análisis de sangre. La medicación con estatinas está recomendada en pacientes con un riesgo a 10 años del 7,5 por ciento o superior.
"Las variables necesarias para calcular el riesgo de ASCVD a menudo no están disponibles, lo que hace deseables los enfoques para la detección basada en la población. Dado que las radiografías de tórax están comúnmente disponibles, nuestro enfoque puede ayudar a identificar a las personas con alto riesgo", argumenta.
Weiss y un equipo de investigadores han trabajado en el entrenamiento de un modelo de machine learning utilizando una sola entrada de rayos X de tórax (CXR). Desarrollaron el modelo, conocido como riesgo de CXR-CVD, para predecir el riesgo de muerte por enfermedad cardiovascular utilizando 147.497 radiografías de tórax de 40.643 participantes en el Ensayo de detección de cáncer de próstata, pulmón, colorrectal y ovario, un estudio aleatorio multicéntrico ensayo controlado diseñado y patrocinado por el Instituto Nacional del Cáncer.
"Reconocemos desde hace mucho tiempo que los rayos X capturan información más allá de los hallazgos de diagnóstico tradicionales, pero no hemos utilizado estos datos porque no hemos tenido métodos sólidos y confiables. Los avances en IA lo están haciendo posible en este momento"
"Reconocemos desde hace mucho tiempo que los rayos X capturan información más allá de los hallazgos de diagnóstico tradicionales, pero no hemos utilizado estos datos porque no hemos tenido métodos sólidos y confiables. Los avances en IA lo están haciendo posible en este momento", apostilla.
Los investigadores probaron el modelo empleando una segunda cohorte independiente de 11.430 pacientes ambulatorios (edad media 60,1 años; 42,9% hombres) que se realizaron una radiografía de tórax ambulatoria de rutina en Mass General Brigham y eran potencialmente elegibles para la terapia con estatinas. De 11.430 pacientes, 1.096 (9,6%) sufrieron un evento cardíaco adverso mayor durante la mediana de seguimiento de 10,3 años. La investigación ha hallado una asociación significativa entre el riesgo predicho por el modelo de aprendizaje profundo de riesgo CXR-CVD y los eventos cardíacos importantes observados.
Los responsables de la investigación también han comparado el valor pronóstico del modelo con el estándar clínico establecido para decidir la elegibilidad para las estatinas. Esto se pudo calcular en solo 2.401 pacientes (21%) debido a la falta de datos en el registro electrónico. Para este subconjunto de pacientes, el modelo de riesgo de CXR-CVD se desempeñó de manera similar al estándar clínico establecido e incluso proporcionó un valor incremental.
"La belleza de este enfoque es que solo necesita una radiografía, que se adquiere millones de veces al día en todo el mundo. Basado en una sola imagen de rayos X de tórax existente, nuestro modelo de aprendizaje profundo predice futuros eventos cardiovasculares adversos importantes con un rendimiento similar y un valor incremental al estándar clínico establecido", explica.
Weiss considera que se necesita investigación adicional, incluido un ensayo aleatorio controlado, para validar el modelo de machine learning, que en última instancia podría servir como una herramienta de apoyo a la toma de decisiones para los médicos tratantes.
"Lo que hemos demostrado es que una radiografía de tórax es más que una radiografía de tórax. Con un enfoque como este, obtenemos una medida cuantitativa que nos permite brindar información tanto de diagnóstico como de pronóstico que ayuda al médico y al paciente", concluye.