Cr\u00e9dito: CC0 Public Domain <\/p>\n
Enviar una \u00abselfie\u00bb al m\u00e9dico podr\u00eda ser una forma barata y sencilla de detectar enfermedades card\u00edacas, seg\u00fan el autores de un nuevo estudio publicado hoy (viernes) en el European Heart Journal. <\/p>\n
El estudio es el primero en demostrar que es posible utilizar un algoritmo inform\u00e1tico de aprendizaje profundo para detectar la enfermedad de las arterias coronarias (CAD) mediante el an\u00e1lisis de cuatro fotograf\u00edas del rostro de una persona.<\/p>\n
Aunque el algoritmo debe ser desarrollado m\u00e1s y probado en grupos m\u00e1s grandes de personas de diferentes or\u00edgenes \u00e9tnicos, los investigadores dicen que tiene el potencial de usarse como una herramienta de detecci\u00f3n que podr\u00eda identificar posibles enfermedades card\u00edacas en personas de la poblaci\u00f3n general o en grupos de alto riesgo, que podr\u00edan ser referido para futuras investigaciones cl\u00ednicas.<\/p>\n
\u00abHasta donde sabemos, este es el primer trabajo que demuestra que la inteligencia artificial se puede usar para analizar rostros para detectar enfermedades card\u00edacas. Es un paso hacia el desarrollo de un aprendizaje profundo- herramienta que podr\u00eda usarse para evaluar el riesgo de enfermedades card\u00edacas, ya sea en cl\u00ednicas ambulatorias o por medio de pacientes tom\u00e1ndose ‘selfies’ para realizar su propio examen. Esto podr\u00eda guiar pruebas de diagn\u00f3stico adicionales o una visita cl\u00ednica\u00bb, dijo Profes sor Zhe Zheng, quien dirigi\u00f3 la investigaci\u00f3n y es vicedirector del Centro Nacional de Enfermedades Cardiovasculares y vicepresidente del Hospital Fuwai, la Academia China de Ciencias M\u00e9dicas y el Colegio M\u00e9dico de la Uni\u00f3n de Pek\u00edn, Beijing, Rep\u00fablica Popular de China.<\/p>\n
Continu\u00f3: \u00abNuestro objetivo final es desarrollar una aplicaci\u00f3n autoinformada para comunidades de alto riesgo para evaluar el riesgo de enfermedad card\u00edaca antes de visitar una cl\u00ednica. Esta podr\u00eda ser una manera barata, simple y efectiva de identificar a los pacientes que necesitan m\u00e1s investigaci\u00f3n. Sin embargo, el algoritmo requiere mayor refinamiento y validaci\u00f3n externa en otras poblaciones y etnias\u00bb.<\/p>\n
Ya se sabe que ciertos rasgos faciales est\u00e1n asociados con un mayor riesgo de enfermedad card\u00edaca. Estos incluyen adelgazamiento o canas, arrugas , pliegue del l\u00f3bulo de la oreja, xantelasmas (peque\u00f1os dep\u00f3sitos amarillos de colesterol debajo de la piel, generalmente alrededor de los p\u00e1rpados) y arcus corneae (dep\u00f3sitos de grasa y colesterol que aparecen como un anillo opaco blanco, gris o azul borroso en los bordes exteriores de la c\u00f3rnea) Sin embargo, son dif\u00edciles de usar para los humanos con \u00e9xito para predecir y cuantificar el riesgo de enfermedad card\u00edaca.<\/p>\n
Prof. Zheng, profesor Xiang-Yang Ji, director del Brain and Cognition Institute en el Departamento de Automatizaci\u00f3n 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 im\u00e1genes para investigar sus vasos sangu\u00edneos, como la angiograf\u00eda coronaria o la angiograf\u00eda por tomograf\u00eda computarizada coronaria (CCTA). Se dividieron al azar en grupos de entrenamiento (5216 pacientes, 90 %) o de validaci\u00f3n (580, 10 %).<\/p>\n
Enfermeras de investigaci\u00f3n capacitadas tomaron cuatro fotos faciales con c\u00e1maras digitales: una frontal, dos de perfil y una vista de la parte superior de la cabeza. Tambi\u00e9n entrevistaron a los pacientes para recopilar datos sobre el nivel socioecon\u00f3mico, el estilo de vida y el historial m\u00e9dico. Los radi\u00f3logos revisaron los angiogramas de los pacientes y evaluaron el grado de enfermedad card\u00edaca dependiendo de cu\u00e1ntos vasos sangu\u00edneos se estrecharon en un 50 % o m\u00e1s (50 % de estenosis) y su ubicaci\u00f3n. Esta informaci\u00f3n se utiliz\u00f3 para crear, entrenar y validar el algoritmo de aprendizaje profundo.<\/p>\n
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 mayor\u00eda de los pacientes de todos los grupos pertenec\u00edan a la etnia china Han.<\/p>\n
Descubrieron que el algoritmo super\u00f3 los m\u00e9todos existentes para predecir el riesgo de enfermedad cardiaca (modelo de Diamond-Forrester y puntuaci\u00f3n cl\u00ednica del consorcio CAD). En el grupo de pacientes de validaci\u00f3n, el algoritmo detect\u00f3 correctamente la cardiopat\u00eda en el 80 % de los casos (tasa de verdaderos positivos o sensibilidad) y la cardiopat\u00eda 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 %.<\/p>\n
Prof. Ji dijo: \u00abEl algoritmo tuvo un rendimiento moderado y la informaci\u00f3n cl\u00ednica adicional no mejor\u00f3 su rendimiento, lo que significa que podr\u00eda usarse f\u00e1cilmente para predecir posibles enfermedades card\u00edacas bas\u00e1ndose \u00fanicamente en fotograf\u00edas faciales. La mejilla, la frente y la nariz aportaron m\u00e1s informaci\u00f3n al algoritmo que otras \u00e1reas 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, adem\u00e1s de sobrecargar las cl\u00ednicas con pacientes que requieren pruebas innecesarias\u00bb.<\/p>\n
Adem\u00e1s de requerir pruebas en otros grupos \u00e9tnicos, 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 a\u00fan m\u00e1s su generalizaci\u00f3n a otras poblaciones. .<\/p>\n
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: \u00abEn general, el estudio de Lin et al. destaca un nuevo potencial en el diagn\u00f3stico m\u00e9dico 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 \u00fanica entrada de datos, lo que lo hace altamente y f\u00e1cilmente aplicable a gran escala\u00bb.<\/p>\n
Contin\u00faan: \u00abUsar selfies como m\u00e9todo de detecci\u00f3n puede permitir una forma simple pero eficiente de filtrar a la poblaci\u00f3n general hacia una evaluaci\u00f3n cl\u00ednica m\u00e1s completa. Tal enfoque tambi\u00e9n puede ser muy relevante para las regiones del mundo que no cuentan con fondos suficientes y tienen programas de detecci\u00f3n d\u00e9biles para enfermedades cardiovasculares. Un proceso de selecci\u00f3n que se puede hacer tan f\u00e1cilmente como tomarse una selfie permitir\u00e1 un flujo estratificado de personas que ingresan a los sistemas de atenci\u00f3n m\u00e9dica para las pruebas de diagn\u00f3stico de primera l\u00ednea con CCTA. De hecho, las personas de ‘alto riesgo’ podr\u00edan tener un CCTA, lo que permitir\u00eda una estratificaci\u00f3n de riesgo confiable con el uso de las nuevas metodolog\u00edas impulsadas por IA para el an\u00e1lisis de im\u00e1genes CCTA\u00bb.<\/p>\n
Destacan algunas de las limitaciones que El profesor Zheng y el profesor Ji tambi\u00e9n incluyen en su art\u00edculo, que incluyen la baja especificidad de la prueba, que la prueba debe mejorarse y validarse en poblaciones m\u00e1s grandes, y que plantea cuestiones \u00e9ticas sobre el \u00abuso indebido de la informaci\u00f3n con fines discriminatorios\u00bb. La difusi\u00f3n no deseada de datos confidenciales de registros de salud, que se pueden extraer f\u00e1cilmente de una foto facial, convierte a tecnolog\u00edas como la que se analiza aqu\u00ed en una amenaza importante para la protecci\u00f3n de datos personales, lo que podr\u00eda afectar las opciones de seguro. Tales temores ya se han expresado sobre el mal uso de los datos gen\u00e9ticos, y deber\u00edan revisarse ampliamente con respecto al uso de la IA en la medicina\u00bb.<\/p>\n
Los autores del art\u00edculo de investigaci\u00f3n est\u00e1n de acuerdo en este punto. El profesor Zheng dijo: \u00bb Las cuestiones \u00e9ticas en el desarrollo y la aplicaci\u00f3n de estas nuevas tecnolog\u00edas son de vital importancia. Creemos que la investigaci\u00f3n futura sobre herramientas cl\u00ednicas debe prestar atenci\u00f3n a la privacidad, el seguro y otras implicaciones sociales para garantizar que la herramienta se use solo con fines m\u00e9dicos\u00bb.<\/p>\n
El Prof. Antoniades y el Dr. Kotanidis tambi\u00e9n escriben en su editorial que define CAD como estenosis del 50% en una arteria coronaria principal \u00abpuede ser una clasificaci\u00f3n simplista y bastante cruda, ya que agrupa en el grupo sin CAD a individuos que son verdaderamente sanos, pero tambi\u00e9n a personas que ya han desarrollado la enfermedad pero todav\u00eda est\u00e1n en etapas tempranas (lo que podr\u00eda explicar la baja especificidad observada)\u00bb. <\/p>\n
Explore m\u00e1s<\/p>\n
Los tel\u00e9fonos inteligentes pueden ayudar a detectar la diabetes M\u00e1s informaci\u00f3n:<\/strong> 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<\/p>\n Selfies en medicina cardiovascular: bienvenidos a una nueva era de diagn\u00f3stico m\u00e9dico. European Heart Journal. DOI: 10.1093 \/eurheartj\/ehaa608 Jo informaci\u00f3n urnal:<\/strong> European Heart Journal <\/p>\n","protected":false},"excerpt":{"rendered":" Cr\u00e9dito: CC0 Public Domain Enviar una \u00abselfie\u00bb al m\u00e9dico podr\u00eda ser una forma barata y sencilla de detectar enfermedades card\u00edacas, seg\u00fan 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 inform\u00e1tico de aprendizaje profundo para detectar la … Continuar leyendo \u00abLas selfies podr\u00edan usarse para detectar enfermedades card\u00edacas: una nueva investigaci\u00f3n usa inteligencia artificial para analizar\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-33759","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/33759","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=33759"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/33759\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=33759"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=33759"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=33759"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}