Las selfies podrían usarse para detectar enfermedades cardíacas: una nueva investigación usa inteligencia artificial para analizar

Crédito: CC0 Public Domain

Enviar una «selfie» al médico podría ser una forma barata y sencilla de detectar enfermedades cardíacas, según el autores de un nuevo estudio publicado hoy (viernes) en el European Heart Journal.

El estudio es el primero en demostrar que es posible utilizar un algoritmo informático de aprendizaje profundo para detectar la enfermedad de las arterias coronarias (CAD) mediante el análisis de cuatro fotografías del rostro de una persona.

Aunque el algoritmo debe ser desarrollado más y probado en grupos más grandes de personas de diferentes orígenes étnicos, los investigadores dicen que tiene el potencial de usarse como una herramienta de detección que podría identificar posibles enfermedades cardíacas en personas de la población general o en grupos de alto riesgo, que podrían ser referido para futuras investigaciones clínicas.

«Hasta donde sabemos, este es el primer trabajo que demuestra que la inteligencia artificial se puede usar para analizar rostros para detectar enfermedades cardíacas. Es un paso hacia el desarrollo de un aprendizaje profundo- herramienta que podría usarse para evaluar el riesgo de enfermedades cardíacas, ya sea en clínicas ambulatorias o por medio de pacientes tomándose ‘selfies’ para realizar su propio examen. Esto podría guiar pruebas de diagnóstico adicionales o una visita clínica», dijo Profes sor Zhe Zheng, quien dirigió la investigación y es vicedirector del Centro Nacional de Enfermedades Cardiovasculares y vicepresidente del Hospital Fuwai, la Academia China de Ciencias Médicas y el Colegio Médico de la Unión de Pekín, Beijing, República Popular de China.

Continuó: «Nuestro objetivo final es desarrollar una aplicación autoinformada para comunidades de alto riesgo para evaluar el riesgo de enfermedad cardíaca antes de visitar una clínica. Esta podría ser una manera barata, simple y efectiva de identificar a los pacientes que necesitan más investigación. Sin embargo, el algoritmo requiere mayor refinamiento y validación externa en otras poblaciones y etnias».

Ya se sabe que ciertos rasgos faciales están asociados con un mayor riesgo de enfermedad cardíaca. Estos incluyen adelgazamiento o canas, arrugas , pliegue del lóbulo de la oreja, xantelasmas (pequeños depósitos amarillos de colesterol debajo de la piel, generalmente alrededor de los párpados) y arcus corneae (depósitos de grasa y colesterol que aparecen como un anillo opaco blanco, gris o azul borroso en los bordes exteriores de la córnea) Sin embargo, son difíciles de usar para los humanos con éxito para predecir y cuantificar el riesgo de enfermedad cardíaca.

Prof. Zheng, profesor Xiang-Yang Ji, director del Brain and Cognition Institute en el Departamento de Automatización en la Universidad de Tsinghua, Beijing, y otros colegas inscribieron en el estudio a 5796 pacientes de ocho hospitales en China entre julio de 2017 y marzo de 2019. Los pacientes se sometieron a procedimientos de imágenes para investigar sus vasos sanguíneos, como la angiografía coronaria o la angiografía por tomografía computarizada coronaria (CCTA). Se dividieron al azar en grupos de entrenamiento (5216 pacientes, 90 %) o de validación (580, 10 %).

Enfermeras de investigación capacitadas tomaron cuatro fotos faciales con cámaras digitales: una frontal, dos de perfil y una vista de la parte superior de la cabeza. También entrevistaron a los pacientes para recopilar datos sobre el nivel socioeconómico, el estilo de vida y el historial médico. Los radiólogos revisaron los angiogramas de los pacientes y evaluaron el grado de enfermedad cardíaca dependiendo de cuántos vasos sanguíneos se estrecharon en un 50 % o más (50 % de estenosis) y su ubicación. Esta información se utilizó para crear, entrenar y validar el algoritmo de aprendizaje profundo.

Luego, los investigadores probaron el algoritmo en otros 1013 pacientes de nueve hospitales en China, inscritos entre abril de 2019 y julio de 2019. La mayoría de los pacientes de todos los grupos pertenecían a la etnia china Han.

Descubrieron que el algoritmo superó los métodos existentes para predecir el riesgo de enfermedad cardiaca (modelo de Diamond-Forrester y puntuación clínica del consorcio CAD). En el grupo de pacientes de validación, el algoritmo detectó correctamente la cardiopatía en el 80 % de los casos (tasa de verdaderos positivos o sensibilidad) y la cardiopatía detectada correctamente no estaba presente en el 61 % de los casos (tasa de verdaderos negativos o ‘especificidad’). En el grupo de prueba, la sensibilidad fue del 80 % y la especificidad del 54 %.

Prof. Ji dijo: «El algoritmo tuvo un rendimiento moderado y la información clínica adicional no mejoró su rendimiento, lo que significa que podría usarse fácilmente para predecir posibles enfermedades cardíacas basándose únicamente en fotografías faciales. La mejilla, la frente y la nariz aportaron más información al algoritmo que otras áreas faciales. Sin embargo, debemos mejorar la especificidad, ya que una tasa de falsos positivos de hasta un 46 % puede causar ansiedad e inconvenientes a los pacientes, además de sobrecargar las clínicas con pacientes que requieren pruebas innecesarias».

Además de requerir pruebas en otros grupos étnicos, las limitaciones del estudio incluyen el hecho de que solo un centro en el grupo de prueba era diferente de los centros que proporcionaron pacientes para desarrollar el algoritmo, lo que puede limitar aún más su generalización a otras poblaciones. .

En un editorial adjunto, Charalambos Antoniades, profesor de medicina cardiovascular en la Universidad de Oxford, Reino Unido, y el Dr. Christos Kotanidis, DP hil estudiante que trabaja con el Prof. Antoniades en Oxford, escribe: «En general, el estudio de Lin et al. destaca un nuevo potencial en el diagnóstico médico La solidez del enfoque de Lin et al. radica en el hecho de que su algoritmo de aprendizaje profundo requiere simplemente una imagen facial como la única entrada de datos, lo que lo hace altamente y fácilmente aplicable a gran escala».

Continúan: «Usar selfies como método de detección puede permitir una forma simple pero eficiente de filtrar a la población general hacia una evaluación clínica más completa. Tal enfoque también puede ser muy relevante para las regiones del mundo que no cuentan con fondos suficientes y tienen programas de detección débiles para enfermedades cardiovasculares. Un proceso de selección que se puede hacer tan fácilmente como tomarse una selfie permitirá un flujo estratificado de personas que ingresan a los sistemas de atención médica para las pruebas de diagnóstico de primera línea con CCTA. De hecho, las personas de ‘alto riesgo’ podrían tener un CCTA, lo que permitiría una estratificación de riesgo confiable con el uso de las nuevas metodologías impulsadas por IA para el análisis de imágenes CCTA».

Destacan algunas de las limitaciones que El profesor Zheng y el profesor Ji también incluyen en su artículo, que incluyen la baja especificidad de la prueba, que la prueba debe mejorarse y validarse en poblaciones más grandes, y que plantea cuestiones éticas sobre el «uso indebido de la información con fines discriminatorios». La difusión no deseada de datos confidenciales de registros de salud, que se pueden extraer fácilmente de una foto facial, convierte a tecnologías como la que se analiza aquí en una amenaza importante para la protección de datos personales, lo que podría afectar las opciones de seguro. Tales temores ya se han expresado sobre el mal uso de los datos genéticos, y deberían revisarse ampliamente con respecto al uso de la IA en la medicina».

Los autores del artículo de investigación están de acuerdo en este punto. El profesor Zheng dijo: » Las cuestiones éticas en el desarrollo y la aplicación de estas nuevas tecnologías son de vital importancia. Creemos que la investigación futura sobre herramientas clínicas debe prestar atención a la privacidad, el seguro y otras implicaciones sociales para garantizar que la herramienta se use solo con fines médicos».

El Prof. Antoniades y el Dr. Kotanidis también escriben en su editorial que define CAD como estenosis del 50% en una arteria coronaria principal «puede ser una clasificación simplista y bastante cruda, ya que agrupa en el grupo sin CAD a individuos que son verdaderamente sanos, pero también a personas que ya han desarrollado la enfermedad pero todavía están en etapas tempranas (lo que podría explicar la baja especificidad observada)».

Explore más

Los teléfonos inteligentes pueden ayudar a detectar la diabetes Más información: Shen Lin et al. Viabilidad de usar el aprendizaje profundo para detectar enfermedad de las arterias coronarias basada en una foto facial, European Heart Journal (2020). DOI: 10.1093/eurheartj/ehaa640

Selfies en medicina cardiovascular: bienvenidos a una nueva era de diagnóstico médico. European Heart Journal. DOI: 10.1093 /eurheartj/ehaa608 Jo información urnal: European Heart Journal