Un nuevo estudio ha revelado que la aplicaci\u00f3n de t\u00e9cnicas de inteligencia artificial a los datos de ecograf\u00eda card\u00edaca podr\u00eda facilitar la identificaci\u00f3n de pacientes con insuficiencia card\u00edaca avanzada. El estudio, liderado por investigadores de Weill Cornell Medicine, Cornell Tech, Cornell Ann S. Bowers College of Computing and Information Science, Columbia University Vagelos College of Physicians and Surgeons y NewYork-Presbyterian, ofrece la posibilidad de una mejor atenci\u00f3n para miles de pacientes que podr\u00edan pasar desapercibidos debido a la dificultad para diagnosticar su afecci\u00f3n.<\/p>\n\n\n\n
Actualmente, la insuficiencia card\u00edaca avanzada se detecta mediante pruebas de esfuerzo cardiopulmonar (PECP), que requieren equipos especializados y personal capacitado, y que generalmente s\u00f3lo est\u00e1n disponibles en grandes centros m\u00e9dicos. Debido en parte a esta limitaci\u00f3n diagn\u00f3stica, s\u00f3lo una peque\u00f1a parte de las aproximadamente 200.000 personas en Estados Unidos con insuficiencia card\u00edaca avanzada reciben la atenci\u00f3n adecuada cada a\u00f1o.<\/p>\n\n\n\n
En el nuevo\u00a0estudio<\/a>, publicado el 3 de marzo en\u00a0npj Digital Medicine, los investigadores probaron un novedoso m\u00e9todo basado en inteligencia artificial que podr\u00eda eliminar este obst\u00e1culo. El nuevo m\u00e9todo predice con alta precisi\u00f3n la medida m\u00e1s importante de la prueba de esfuerzo cardiopulmonar (CPET),\u00a0el consumo m\u00e1ximo de ox\u00edgeno<\/a>\u00a0(VO\u2082 pico), utilizando im\u00e1genes de ultrasonido del coraz\u00f3n del paciente, mucho m\u00e1s f\u00e1ciles de obtener, adem\u00e1s de su historial cl\u00ednico electr\u00f3nico.<\/p>\n\n\n\n “Esto abre una v\u00eda prometedora para una evaluaci\u00f3n m\u00e1s eficiente de los pacientes con insuficiencia card\u00edaca avanzada utilizando fuentes de datos que ya est\u00e1n integradas en la atenci\u00f3n rutinaria”, dijo el Dr. Fei Wang, autor principal del estudio, decano asociado de IA y ciencia de datos y profesor Frances y John L. Loeb de Inform\u00e1tica M\u00e9dica en Weill Cornell Medicine.<\/p>\n\n\n\n El estudio fue altamente colaborativo e involucr\u00f3 no s\u00f3lo al equipo de expertos en inform\u00e1tica e inteligencia artificial del Dr. Wang, sino tambi\u00e9n a grupos liderados por la Dra. Deborah Estrin, decana asociada de impacto en Cornell Tech; y, en el \u00e1mbito cl\u00ednico, al Dr. Nir Uriel, director de insuficiencia card\u00edaca avanzada y trasplante card\u00edaco en NewYork-Presbyterian.<\/p>\n\n\n\n Este art\u00edculo es el primero que surge de la\u00a0Iniciativa de IA Cardiovascular<\/a>, un amplio esfuerzo de Cornell, Columbia y NewYork-Presbyterian para explorar el uso de la IA para mejorar el diagn\u00f3stico y el tratamiento de la insuficiencia card\u00edaca. Los recientes avances en IA han permitido no solo aplicaciones populares para consumidores y empresas, sino tambi\u00e9n modelos de aprendizaje autom\u00e1tico entrenados para detectar patrones relacionados con enfermedades en datos m\u00e9dicos textuales y de imagen.<\/p>\n\n\n\n “Inicialmente, reunimos a un grupo de m\u00e1s de 40 especialistas en insuficiencia card\u00edaca y les pedimos que nos dijeran d\u00f3nde cre\u00edan que se podr\u00eda aplicar mejor la IA”, dijo el Dr. Uriel, quien tambi\u00e9n es profesor Seymour, Paul y Gloria Milstein de Cardiolog\u00eda en el Departamento de Medicina del Colegio de M\u00e9dicos y Cirujanos Vagelos de la Universidad de Columbia y profesor adjunto de medicina en la Divisi\u00f3n Greenberg de Cardiolog\u00eda de Weill Cornell Medicine.<\/p>\n\n\n\n Utilizar la IA en datos de ultrasonido card\u00edaco para ayudar a identificar pacientes con insuficiencia card\u00edaca avanzada parec\u00eda una de las aplicaciones m\u00e1s prometedoras. El Dr. Uriel contact\u00f3 entonces con expertos en IA de Cornell Tech, Cornell Bowers y Weill Cornell Medicine, quienes desarrollaron el nuevo modelo de aprendizaje autom\u00e1tico tras varios a\u00f1os de colaboraci\u00f3n.<\/p>\n\n\n\n “La estrecha colaboraci\u00f3n entre m\u00e9dicos e investigadores de IA en este proyecto impuls\u00f3 el desarrollo de nuevas t\u00e9cnicas de IA que de otro modo no se habr\u00edan explorado”, afirm\u00f3 el Dr. Estrin, catedr\u00e1tico Robert V. Tishman ’37 de Inform\u00e1tica en Cornell Tech, profesor en Cornell Bowers y profesor de ciencias de la salud p\u00fablica en Weill Cornell Medicine. “As\u00ed pues, se trat\u00f3 de un caso en el que la medicina molde\u00f3 el futuro de la IA, y no s\u00f3lo la IA molde\u00f3 el futuro de la medicina”.<\/p>\n\n\n\n El equipo de IA liderado por el Dr. Wang, que incluye a los autores principales, el Dr. Zhe Huang y el Dr. Weishen Pan, junto con estudiantes y profesores de Cornell Bowers, desarroll\u00f3 un modelo de aprendizaje autom\u00e1tico multimodal y multiinstancia<\/a> que puede procesar varios tipos de datos distintos, incluidas im\u00e1genes ecogr\u00e1ficas en movimiento ordinarias del coraz\u00f3n, im\u00e1genes de formas de onda relacionadas que muestran la din\u00e1mica de las v\u00e1lvulas card\u00edacas y el flujo sangu\u00edneo, y varios elementos que se encuentran en los registros m\u00e9dicos electr\u00f3nicos.<\/p>\n\n\n\n El modelo se entren\u00f3 con datos anonimizados de 1000 pacientes con insuficiencia card\u00edaca atendidos en el Centro M\u00e9dico Irving de la Universidad de Columbia\/NewYork-Presbyterian. Una vez entrenado, el modelo se encarg\u00f3 de predecir el VO2 m\u00e1ximo\u00a0\u2014lo\u00a0que permite determinar el estado de alto riesgo\u2014 para un nuevo grupo de 127 pacientes con insuficiencia card\u00edaca procedentes de otros tres campus de NewYork-Presbyterian.<\/p>\n\n\n\n Los resultados superaron cualquier otro reportado anteriormente para la predicci\u00f3n del VO2 m\u00e1ximo mediante IA.\u00a0Para las herramientas destinadas a distinguir a los pacientes de alto riesgo de los dem\u00e1s, los investigadores utilizaron una medida que relaciona la probabilidad de que un paciente de alto riesgo elegido al azar en la muestra tenga un riesgo predicho mayor que un paciente de menor riesgo elegido al azar. En este caso, dicha cifra indic\u00f3 una precisi\u00f3n general de aproximadamente el 85%, lo que sugiere que ser\u00e1 \u00fatil en entornos cl\u00ednicos. El equipo ya ha comenzado a planificar\u00a0los estudios cl\u00ednicos<\/a>\u00a0del nuevo enfoque, que ser\u00edan necesarios para la aprobaci\u00f3n de la Administraci\u00f3n de Alimentos y Medicamentos de EE. UU. y su adopci\u00f3n cl\u00ednica rutinaria.<\/p>\n\n\n\n “Si podemos utilizar este enfoque para identificar a muchos pacientes con insuficiencia card\u00edaca avanzada que de otro modo no ser\u00edan identificados, entonces esto cambiar\u00e1 nuestra pr\u00e1ctica cl\u00ednica y mejorar\u00e1 significativamente los resultados y la calidad de vida de los pacientes”, dijo el Dr. Uriel. <\/p>\n\n\n\nAprovechar el potencial de la IA en la atenci\u00f3n de la insuficiencia card\u00edaca<\/h2>\n\n\n\n