La inteligencia artificial identifica a las personas en riesgo de complicaciones de enfermedades cardíacas
Red de enfermedades del paciente para el recurso de datos de Utah. Panel A. Representación gráfica de la Red de Enfermedades del Paciente. El mapa representa 39.055 códigos de diagnóstico ICD 10, 5.716 códigos de procedimiento CPT y 1.764 códigos de medicación RxNorm que comprenden 50 millones de comorbilidades. Para hacer que la red de enfermedades del paciente sea más fácil de interpretar, utilizamos el agrupamiento de longitud de descripción mínima, de modo que los nodos con patrones de comorbilidad similares se encuentren cerca uno del otro en la red. Las comorbilidades del trasplante de corazón están marcadas en rojo como referencia. Ver Métodos para más detalles. Panel B. Trayectoria de plazo para trasplante de corazón en adultos. Los nodos representan diagnóstico (negro), procedimientos (rojo) y medicamentos (azul). Los bordes son comorbilidades ordenadas temporalmente (Bonferroni alpha = 10E-9.5), las flechas indican la dirección. Los bordes están etiquetados con probabilidades de transición (por ejemplo, flujo de pacientes). Por ejemplo, un paciente adulto con miocarditis viral tiene un 17 % de posibilidades de desarrollar un diagnóstico de insuficiencia cardíaca y un 4,9 % de posibilidades de someterse a un trasplante de corazón. Ver Métodos para detalles adicionales y Tabla S5 para referencias de código para los términos resaltados. Crédito: DOI: 10.1371/journal.pdig.0000004
Por primera vez, los científicos de la Universidad de Utah Health han demostrado que la inteligencia artificial podría conducir a mejores formas de predecir el inicio y el curso de la enfermedad cardiovascular. Los investigadores, trabajando en conjunto con médicos del Intermountain Primary Children’s Hospital, desarrollaron herramientas computacionales únicas para medir con precisión los efectos sinérgicos de las condiciones médicas existentes en el corazón y los vasos sanguíneos.
Los investigadores dicen que este enfoque integral podría ayudar a los médicos a prever, prevenir o tratar problemas cardíacos graves, tal vez incluso antes de que el paciente sea consciente de la afección subyacente.
Aunque el estudio solo se centró en la enfermedad cardiovascular, los investigadores creen que podría tener implicaciones mucho más amplias. De hecho, sugieren que estos hallazgos eventualmente podrían conducir a una nueva era de medicina preventiva personalizada. Los médicos contactarían de manera proactiva a los pacientes para alertarlos sobre posibles dolencias y qué se puede hacer para aliviar el problema.
«Podemos recurrir a la IA para ayudar a refinar el riesgo de prácticamente todos los diagnósticos médicos», dice Martin Tristani- Firouzi, MD, autor correspondiente del estudio y cardiólogo pediátrico de U of U Health and Intermountain Primary Children’s Hospital, y científico del Instituto de Capacitación e Investigación Cardiovascular Nora Eccles Harrison. «El riesgo de cáncer, el riesgo de cirugía de tiroides, el riesgo de diabetes, cualquier término médico que pueda imaginar».
El estudio aparece en la revista en línea PLOS Digital Health.
Métodos actuales para calcular los efectos combinados de varios factores de riesgo, como la demografía y el historial médico sobre la enfermedad cardiovascular, a menudo son imprecisos y subjetivos, según Mark Yandell, Ph.D., autor principal del estudio, profesor de genética humana, HA y Edna Benning Presidential Endowed Presidente de U of U Health y cofundador de Backdrop Health. Como resultado, estos métodos no logran identificar ciertas interacciones que podrían tener efectos profundos en la salud del corazón y los vasos sanguíneos.
Para medir con mayor precisión cómo estas interacciones, también conocidas como comorbilidades, influyen en la salud, Tristani -Firouzi, Yandell y colegas de U of U Health e Intermountain Primary Children’s Hospital, usaron un software de aprendizaje automático para clasificar más de 1,6 millones de registros de salud electrónicos (EHR, por sus siglas en inglés) después de que se eliminaron los nombres y otra información de identificación.
Estos registros electrónicos, que documentan todo lo que le sucede a un paciente, incluidas las pruebas de laboratorio, los diagnósticos, el uso de medicamentos y los procedimientos médicos, ayudaron a los investigadores a identificar las comorbilidades con mayor probabilidad de agravar una afección médica en particular, como una enfermedad cardiovascular.
En su estudio actual, los investigadores utilizaron una forma de inteligencia artificial llamada redes gráficas probabilísticas (PGM) para calcular cómo cualquier combinación de estas comorbilidades los lazos podrían influir en los riesgos asociados con los trasplantes de corazón, la cardiopatía congénita o la disfunción del nódulo sinoauricular (SND, una interrupción o falla del marcapasos natural del corazón).
Entre los adultos, los investigadores encontraron que:
- Las personas que tenían un diagnóstico previo de miocardiopatía (enfermedad del músculo cardíaco) tenían un riesgo 86 veces mayor de necesitar un trasplante de corazón que las que no lo tenían.
- Aquellas que tenían la miocarditis viral tenía un riesgo 60 veces mayor de requerir un trasplante de corazón.
- El uso de milrinona, un fármaco vasodilatador utilizado para tratar la insuficiencia cardíaca, incrementó el riesgo de trasplante 175 veces Este fue el predictor individual más fuerte de trasplante de corazón .
En algunos casos, el riesgo combinado fue aún mayor. Por ejemplo, entre los pacientes que tenían cardiomiopatía y tomaban milrinona, el riesgo de necesitar un trasplante de corazón era 405 veces mayor que el de aquellos cuyos corazones estaban más sanos.
Las comorbilidades tuvieron una influencia significativamente diferente en el trasplante riesgo entre los niños, según Tristani-Firouzi. En general, el riesgo de un trasplante de corazón pediátrico varió de 17 a 102 veces más alto que el de los niños que no tenían afecciones cardíacas preexistentes, según el diagnóstico subyacente.
Los investigadores también examinaron las influencias que la salud de una madre durante el embarazo tenía sobre sus hijos. Las mujeres que tuvieron presión arterial alta durante el embarazo tenían aproximadamente el doble de probabilidades de dar a luz a bebés que tenían problemas cardíacos y circulatorios congénitos. Los niños con síndrome de Down tenían aproximadamente tres veces más riesgo de tener una anomalía cardíaca.
Los bebés que se sometieron a una cirugía de Fontan, un procedimiento que corrige un defecto congénito del flujo sanguíneo en el corazón, tenían unas 20 veces más probabilidades de desarrollar SND disfunción del ritmo cardíaco que aquellos que no necesitaron la cirugía
Los investigadores también detectaron importantes diferencias demográficas. Por ejemplo, un paciente hispano con fibrilación auricular (latidos cardíacos rápidos) tenía el doble de riesgo de SND en comparación con los negros y los blancos, que tenían antecedentes médicos similares.
Josh Bonkowsky, MD Ph.D., director de la El Centro Infantil Primario de Medicina Personalizada, que no es autor del estudio, cree que esta investigación podría conducir al desarrollo de una herramienta clínica práctica para la atención del paciente.
«Esta nueva tecnología demuestra que podemos estimar el riesgo para las complicaciones médicas con precisión e incluso puede determinar los medicamentos que son mejores para pacientes individuales». Bonkowsky.
En el futuro, Tristani-Firouzi y Yandell esperan que su investigación también ayude a los médicos a desenredar la creciente red de información médica desorientadora que los envuelve todos los días.
«No importa cuán conscientes eres, no hay manera de mantener todo el conocimiento que necesitas en tu cabeza como profesional médico en este día y edad para tratar a los pacientes de la mejor manera posible», dice Yandell. «Las máquinas computacionales que estamos desarrollando ayudarán a los médicos a tomar las mejores decisiones posibles sobre el cuidado del paciente, usando toda la información pertinente disponible en nuestra era electrónica. Estas máquinas son vitales para el futuro de la medicina».
Esta investigación se publicó en línea el 18 de enero de 2022 como «Un enfoque de inteligencia artificial explicable para predecir resultados cardiovasculares mediante registros médicos electrónicos».
Explore más
Historia humana y migración de enfermedades: Seguimiento de la propagación de la arritmia cardíaca de inicio joven en los continentes Más información: Sergiusz Wesoowski et al, Un enfoque de inteligencia artificial explicable para predecir resultados cardiovasculares utilizando registros de salud electrónicos, PLOS Digital Health (2022). DOI: 10.1371/journal.pdig.0000004 Proporcionado por la Cita de Ciencias de la Salud de la Universidad de Utah: La inteligencia artificial identifica a las personas en riesgo de sufrir complicaciones por enfermedades cardíacas (21 de enero de 2022) consultado el 29 de agosto de 2022 en https:// medicalxpress.com/news/2022-01-artificial-intelligence-individuals-heart-disease.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.