Algoritmo de IA automatizado que utiliza imágenes de rutina para predecir el riesgo cardiovascular
Crédito: CC0 Dominio público
Calcificación de la arteria coronaria: la acumulación de placa calcificada en las paredes de las arterias del corazón es un predictor importante de eventos cardiovasculares adversos, como ataques cardíacos. El calcio coronario se puede detectar mediante tomografías computarizadas (TC), pero cuantificar la cantidad de placa requiere experiencia radiológica, tiempo y equipo especializado. En la práctica, aunque las tomografías computarizadas de tórax son bastante comunes, las tomografías computarizadas con puntaje de calcio no lo son. Investigadores del Programa de Inteligencia Artificial en Medicina (AIM) del Hospital Brigham and Women’s y del Centro de Investigación de Imágenes Cardiovasculares (CIRC) del Hospital General de Massachusetts se unieron para desarrollar y evaluar un sistema de aprendizaje profundo que puede ayudar a cambiar esto. El sistema mide automáticamente el calcio de las arterias coronarias a partir de tomografías computarizadas para ayudar a los médicos y pacientes a tomar decisiones más informadas sobre la prevención cardiovascular. El equipo validó el sistema utilizando datos de más de 20 000 personas con resultados prometedores. Sus hallazgos se publican en Nature Communications.
«La información sobre el calcio en las arterias coronarias podría estar disponible para casi todos los pacientes que se someten a una tomografía computarizada de tórax, pero no se cuantifica simplemente porque lleva demasiado tiempo hacer esto para cada paciente», dijo el autor correspondiente Hugo Aerts, Ph. .D., director del Programa de Inteligencia Artificial en Medicina (AIM) de la Escuela de Medicina Brigham and Harvard. «Hemos desarrollado un algoritmo que puede identificar a las personas de alto riesgo de manera automatizada».
Trabajando con colegas, el autor principal Roman Zeleznik, MSc, científico de datos en AIM, desarrolló el sistema de aprendizaje profundo descrito en el documento para predecir de forma automática y precisa los eventos cardiovasculares mediante la puntuación del calcio coronario. Si bien la herramienta actualmente es solo para fines de investigación, Zeleznik y los coautores la han hecho de código abierto y disponible gratuitamente para que cualquiera la use.
«En teoría, el sistema de aprendizaje profundo hace mucho de lo que un humano haría para cuantificar el calcio», dijo Zeleznik. «Nuestro artículo muestra que puede ser posible hacer esto de manera automatizada».
El equipo comenzó entrenando el sistema de aprendizaje profundo con datos del Framingham Heart Study (FHS), un estudio asintomático a largo plazo estudio de cohorte comunitaria. Los participantes de Framingham recibieron tomografías computarizadas dedicadas a la puntuación de calcio, que fueron calificadas manualmente por lectores humanos expertos y utilizadas para entrenar el sistema de aprendizaje profundo. Luego, el sistema de aprendizaje profundo se aplicó a tres cohortes de estudio adicionales, que incluyeron fumadores empedernidos sometidos a TC de detección de cáncer de pulmón (NLST: National Lung Screening Trial), pacientes con dolor torácico estable sometidos a TC cardíaca (PROMISE: the Prospective Multicenter Imaging Study for Evaluation of dolor torácico) y pacientes con dolor torácico agudo sometidos a TC cardíaca (ROMICAT-II: el ensayo Rule Out Myocardial Infarction usando Computer Assisted Tomography). En total, el equipo validó el sistema de aprendizaje profundo en más de 20 000 personas.
Udo Hoffmann, MD, director de CIRC@MGH, quien es el investigador principal de imágenes por TC en FHS, PROMISE y ROMICAT, enfatizó que uno de los aspectos únicos de este estudio es la inclusión de tres estudios de imagen y resultados de alta calidad financiados por el Instituto Nacional del Corazón, los Pulmones y la Sangre que fortalecen la generalización de estos resultados a entornos clínicos.
El puntuaciones de calcio del sistema de aprendizaje profundo altamente correlacionadas con las puntuaciones de calcio manuales de expertos humanos. Los puntajes automatizados también predijeron de forma independiente quién sufriría un evento cardiovascular adverso mayor, como un ataque al corazón.
El puntaje de calcio en las arterias coronarias juega un papel importante en las pautas actuales sobre quién debe tomar una estatina para prevenir ataques «Esta es una oportunidad para que obtengamos un valor adicional de estas tomografías computarizadas de tórax usando IA», dijo el coautor Michael Lu, MD, MPH, director de inteligencia artificial en el Centro de Investigación de Imágenes Cardiovasculares de MGH. «La puntuación de calcio en las arterias coronarias puede ayudar a los pacientes y a los médicos a tomar decisiones informadas y personalizadas sobre si tomar una estatina. Desde una perspectiva clínica, nuestro objetivo a largo plazo es implementar este sistema de aprendizaje profundo en los registros de salud electrónicos, para identificar automáticamente a los pacientes. en alto riesgo».
Explore más
La IA ayuda a encontrar signos de enfermedad cardíaca en las pantallas de cáncer de pulmón Más información: Roman Zeleznik et al, Redes neuronales convolucionales profundas para predecir el riesgo cardiovascular a partir de tomografía computarizada, Nature Communications ( 2021). DOI: 10.1038/s41467-021-20966-2 Información del diario: Nature Communications
Proporcionado por Brigham and Women’s Hospital Cita: El algoritmo de IA automatizado usa imágenes de rutina para predecir riesgo cardiovascular (2021, 29 de enero) recuperado el 30 de agosto de 2022 de https://medicalxpress.com/news/2021-01-automated-ai-algorithm-routine-imaging.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.