La herramienta de IA valida las evaluaciones de salud del corazón

La Fibrilación Auricular (FA) es una afección cardíaca común que puede llevar a problemas de salud serios como accidentes cerebrovasculares y otros problemas cardiovasculares. Los investigadores han estudiado el tamaño de la Aurícula Izquierda (AI), una cámara del corazón, para ver si puede ayudar a predecir quién podría desarrollar FA o enfrentar otros riesgos de salud. Aunque se sabe que medir el tamaño de la AI puede ser útil, este método no se ha utilizado mucho en el cuidado diario de los pacientes.

Actualmente, la mejor forma de medir el volumen de la AI es mediante una exploración especial llamada resonancia magnética cardíaca con contraste (CMRI). Sin embargo, la CMRI es cara, toma más tiempo y no está disponible en todas partes. Una alternativa común es la tomografía computarizada cardíaca sin contraste (CT), que se usa a menudo para verificar enfermedades de las arterias coronarias. Si pudiéramos medir el volumen de la AI usando una CT sin exponer a los pacientes a radiación adicional o usar contraste, sería increíblemente beneficioso para evaluar la salud del corazón.

#La herramienta AI-CAC

Los investigadores han desarrollado una nueva herramienta que utiliza inteligencia artificial (IA) para estimar el tamaño de las cámaras cardíacas en estas CT sin contraste. Esta herramienta puede proporcionar rápidamente el volumen de las cuatro cámaras del corazón, así como la masa del ventrículo izquierdo. Hallazgos recientes muestran que esta herramienta de IA, conocida como AutoChamber™, puede predecir el riesgo de FA tan pronto como un año después de la exploración inicial.

El objetivo del estudio actual es comparar el rendimiento de esta herramienta de IA para medir el volumen de la AI con métodos tradicionales realizados por expertos humanos usando CMRI. Este estudio también analiza cómo las predicciones de la herramienta de IA se comparan con otros factores de riesgo como el puntaje de riesgo CHARGE-AF, el puntaje de calcio en las arterias coronarias (CAC), y los niveles de una sustancia llamada NT-proBNP en la sangre.

#Población del estudio

El Estudio Multiétnico de Aterosclerosis (MESA) proporcionó los participantes para esta investigación. Este estudio en curso incluye un grupo diverso de 6,814 hombres y mujeres que no tenían enfermedad cardíaca cuando se inscribieron. Las evaluaciones iniciales involucraron una historia médica detallada, exámenes clínicos y pruebas de laboratorio. Se recopiló información sobre la demografía y el historial de salud de los participantes a través de cuestionarios.

Durante el primer conjunto de exámenes desde el año 2000 hasta 2002, los participantes se sometieron a CT sin contraste para medir el calcio en las arterias coronarias, lo que ayuda a evaluar el riesgo de enfermedad cardíaca. También se registraron otros factores importantes, como la presión arterial y los hábitos de vida. Se hizo un seguimiento a los participantes para rastrear nuevos casos de FA y otros problemas cardiovasculares.

#La herramienta AI-CAC explicada

La herramienta AI-CAC, AutoChamber™, utiliza un proceso de aprendizaje profundo para analizar las CT. Se entrenó con un gran conjunto de imágenes para segmentar con precisión las cuatro cámaras del corazón, junto con otras estructuras. Esta herramienta de IA está diseñada para trabajar rápido, proporcionando estimaciones de volumen en aproximadamente 21 segundos.

Para el estudio actual, se aplicó AutoChamber™ a las CT sin contraste de los participantes de MESA. Los investigadores querían ver cuán bien la herramienta podría predecir la FA en comparación con expertos humanos usando CMRI para la medición.

#Midiendo el volumen de la AI

La CMRI es conocida por su capacidad para crear imágenes precisas del corazón y sus estructuras. En el estudio MESA, la CMRI proporcionó datos valiosos sobre los tamaños de las cámaras del corazón. Para este análisis, el enfoque estuvo en el volumen máximo de la aurícula izquierda al final de la diástole, que es cuando las cámaras del corazón se llenan de sangre.

La CMRI puede revelar patrones importantes relacionados con la estructura y función del corazón, lo que puede ayudar a indicar riesgos para futuros eventos cardiovasculares.

#Otros factores de riesgo

El puntaje de riesgo CHARGE-AF es otro método utilizado para predecir el riesgo de FA. Se basa en datos como la edad, la etnicidad, la altura, el peso y condiciones de salud como la hipertensión y la diabetes. Valores altos en este puntaje pueden sugerir un mayor riesgo de desarrollar FA.

El NT-proBNP es una sustancia liberada cuando el corazón está bajo estrés, y sus niveles en la sangre pueden reflejar la salud del corazón. Tanto el puntaje CHARGE-AF como el NT-proBNP sirven como herramientas adicionales para evaluar el riesgo de FA.

#Resultados y hallazgos

Después de analizar cuidadosamente los datos, los investigadores encontraron que la herramienta de IA pudo predecir la FA con resultados similares a los obtenidos de la CMRI. Ambos métodos superaron a otros factores de riesgo como el NT-proBNP y el puntaje CAC.

Durante un periodo de seguimiento de 15 años, se identificaron 562 casos de FA entre los participantes. Los investigadores compararon aquellos con volúmenes altos de AI tanto de las estimaciones de IA como de las mediciones de CMRI. Los hallazgos indicaron que las personas con cámaras cardíacas más grandes tenían un mayor riesgo de desarrollar FA.

En el estudio, al considerar a pacientes categorizados como de bajo riesgo basado en puntajes CAC, muchos tenían volúmenes de AI aumentados. Esto resalta la importancia de medir el tamaño de la AI para identificar a quienes podrían estar en riesgo de FA a pesar de un puntaje CAC más bajo.

#Implicaciones clínicas

La capacidad de medir de manera confiable el volumen de la AI usando una herramienta de IA durante las CT de rutina ofrece beneficios significativos. Este método proporciona una forma sencilla y no invasiva de evaluar la salud del corazón e identificar a pacientes en riesgo de FA. Al integrar esta tecnología en la atención estándar, los proveedores de salud podrían monitorear mejor a los pacientes y potencialmente intervenir más temprano para prevenir complicaciones como accidentes cerebrovasculares.

Con la FA siendo una afección común y a veces silenciosa, utilizar análisis impulsados por IA podría mejorar la estratificación del riesgo y llevar a mejores resultados para los pacientes.

#Limitaciones del estudio

Si bien el estudio presentó resultados prometedores, también tuvo algunas limitaciones. El puntaje de riesgo CHARGE-AF no pudo incluir ciertos problemas de salud como la insuficiencia cardíaca y el infarto de miocardio debido a la naturaleza asintomática de los participantes al inicio. Además, las CT originales se tomaron principalmente con tecnología más antigua, aunque el entrenamiento de la IA se realizó utilizando métodos más recientes.

El uso de códigos ICD para identificar la FA también conlleva riesgos, ya que algunos casos pueden no haberse capturado con precisión. Esto puede significar que algunas ocurrencias de FA se pasaron por alto en el análisis.

#Conclusión

En resumen, la herramienta AI-CAC ha mostrado una gran promesa en medir el volumen de la AI y predecir la FA de una manera comparable a los métodos tradicionales de CMRI. Tanto la herramienta de IA como la CMRI ofrecen fuertes valores predictivos para evaluar riesgos cardiovasculares. Incorporar esta tecnología en la práctica clínica regular podría ayudar a identificar a individuos con alto riesgo de FA mucho antes, mejorando en última instancia la atención y los resultados para los pacientes. Los hallazgos fomentan más investigación sobre la utilidad clínica de este enfoque y destacan el potencial de la IA para transformar las evaluaciones cardiovasculares.