Oxford AI detecta el riesgo de insuficiencia cardíaca temprana a partir de tomografías computarizadas de rutina con una precisión del 86 % en 72 000 pacientes.
En Resumen
Investigadores de la Universidad de Oxford han desarrollado un sistema de inteligencia artificial que detecta cambios sutiles e invisibles en la grasa cardíaca a partir de tomografías computarizadas rutinarias, prediciendo el riesgo de insuficiencia cardíaca con hasta cinco años de antelación con una precisión del 86 % en 72,000 pacientes.
Los investigadores de la Universidad de Oxford Se ha desarrollado un sistema de inteligencia artificial capaz de estimar el riesgo de insuficiencia cardíaca en un paciente con hasta cinco años de antelación, alcanzando una precisión del 86 % en la validación realizada con más de 72 000 pacientes. Este método no requiere pruebas adicionales, intervención especializada ni nuevos equipos médicos, ya que se basa en tomografías computarizadas cardíacas que se realizan habitualmente en la práctica clínica.
El trabajo, liderado por el profesor Charalambos Antoniades y publicado en el Journal of the American College of Cardiology, aborda una limitación de larga data en cardiología: la insuficiencia cardíaca generalmente se diagnostica solo después de que ya se ha producido un daño estructural significativo, momento en el que las opciones preventivas suelen ser limitadas. El sistema propuesto centra la atención en los cambios biológicos tempranos que preceden a los síntomas visibles en varios años.
En el centro del modelo se encuentra una fuente de datos poco convencional: la grasa que rodea el corazón, conocida como tejido adiposo pericárdico. Si bien tradicionalmente se pasa por alto en los análisis de tomografía computarizada de rutina, este tejido parece reflejar cambios inflamatorios y metabólicos subyacentes que ocurren en el propio músculo cardíaco.
Según los investigadores, estos depósitos de grasa modifican gradualmente su textura en respuesta al estrés en el sistema cardiovascular, creando patrones que no son detectables mediante la interpretación humana estándar de las imágenes. El sistema de IA está diseñado para identificar estas sutiles variaciones y traducirlas en una estimación cuantificada del riesgo de insuficiencia cardíaca futura.
Interpretación de señales que el ojo humano no puede ver.
La tomografía computarizada cardíaca se utiliza ampliamente en el Servicio Nacional de Salud del Reino Unido para investigar el dolor torácico y evaluar la enfermedad de las arterias coronarias, realizándose cientos de miles de exploraciones al año. En la práctica clínica habitual, los radiólogos se centran principalmente en las obstrucciones arteriales y las anomalías visibles, mientras que el tejido adiposo circundante recibe una atención analítica limitada.
El modelo de Oxford reutiliza esta capa de datos a menudo ignorada mediante el análisis de las características texturales de la grasa pericárdica. Utilizando técnicas de aprendizaje automático entrenadas con datos de tomografía computarizada anonimizados de más de 59 000 pacientes del NHS, el sistema aprendió a asociar patrones de imagen específicos con el desarrollo posterior de insuficiencia cardíaca durante largos periodos de seguimiento.
En las pruebas de validación realizadas con 13,424 pacientes adicionales, el modelo obtuvo una precisión del 86 % en la predicción del riesgo de insuficiencia cardíaca a cinco años. Se observó que las personas clasificadas en el grupo de mayor riesgo tenían aproximadamente 20 veces más probabilidades de desarrollar la enfermedad que aquellas en la categoría de menor riesgo, con una probabilidad estimada de aparición de una entre cuatro en un plazo de cinco años.
Es importante destacar que el sistema genera puntuaciones de riesgo automáticamente, sin necesidad de intervención manual por parte de los médicos. Esto lo posiciona como una herramienta potencial de apoyo a la toma de decisiones, en lugar de un sustituto de los procesos de diagnóstico existentes.
Desde ecografías cardíacas hasta cualquier tomografía computarizada de tórax, y un camino hacia el NHS (Servicio Nacional de Salud del Reino Unido).
El objetivo principal de la investigación es extender la tecnología más allá de las imágenes específicas del corazón. El equipo trabaja actualmente en la adaptación del modelo para analizar tomografías computarizadas de tórax estándar, incluidas las utilizadas en la detección precoz del cáncer de pulmón y el diagnóstico de enfermedades respiratorias. Dado el volumen significativamente mayor de tomografías computarizadas de tórax en comparación con las específicas del corazón, dicha adaptación podría ampliar sustancialmente el alcance del sistema.
Clínicamente, las implicaciones están ligadas a una intervención más temprana. Al identificar a los pacientes de alto riesgo años antes de que aparezcan los síntomas, los profesionales sanitarios podrían ajustar las estrategias de seguimiento, iniciar tratamientos preventivos con mayor antelación y priorizar los recursos de forma más eficaz. Dado que la insuficiencia cardíaca ya afecta a más de un millón de personas en el Reino Unido, el impacto potencial en la demanda de atención sanitaria a largo plazo es considerable.
Actualmente se están realizando gestiones para obtener la aprobación regulatoria que permita su integración en los flujos de trabajo rutinarios de radiología del NHS. De adoptarse, el sistema funcionaría en segundo plano durante los procedimientos de imagen estándar, generando evaluaciones de riesgo automatizadas sin coste adicional ni modificación de los protocolos de exploración.
La investigación fue financiada por la British Heart Foundation y el Centro de Investigación Biomédica del Instituto Nacional de Investigación en Salud y Atención (NIHR) en Oxford. Refleja un cambio más amplio en la imagenología médica, donde la inteligencia artificial se utiliza cada vez más no solo para detectar enfermedades existentes, sino también para inferir riesgos futuros a partir de señales biológicas sutiles, previamente infrautilizadas, presentes en las exploraciones de rutina.
Renuncia de responsabilidad:
En línea con la Directrices del Proyecto Confianza, tenga en cuenta que la información proporcionada en esta página no pretende ser ni debe interpretarse como asesoramiento legal, fiscal, de inversión, financiero o de cualquier otro tipo. Es importante invertir sólo lo que pueda permitirse perder y buscar asesoramiento financiero independiente si tiene alguna duda. Para mayor información sugerimos consultar los términos y condiciones así como las páginas de ayuda y soporte proporcionadas por el emisor o anunciante. MetaversePost se compromete a brindar informes precisos e imparciales, pero las condiciones del mercado están sujetas a cambios sin previo aviso.
Sobre la autora
Alisa, una dedicada periodista del MPost, se especializa en criptomonedas, IA, inversiones y el amplio campo de Web3. Con buen ojo para las tendencias y tecnologías emergentes, ofrece una cobertura completa para informar e involucrar a los lectores en el panorama en constante evolución de las finanzas digitales.
Más artículos
Alisa, una dedicada periodista del MPost, se especializa en criptomonedas, IA, inversiones y el amplio campo de Web3. Con buen ojo para las tendencias y tecnologías emergentes, ofrece una cobertura completa para informar e involucrar a los lectores en el panorama en constante evolución de las finanzas digitales.
