Un algoritmo de IA predice el riesgo de enfermedades cardíacas a partir de gammagrafías óseas.

Investigadores de la Universidad Edith Cowan (ECU) y de la Universidad de Manitoba han desarrollado un programa automatizado capaz de identificar problemas cardiovasculares y riesgos de caídas a partir de exploraciones rutinarias de densidad ósea.
Esto podría facilitar considerablemente la detección de problemas de salud graves antes de que pongan en peligro la vida.
El algoritmo, desarrollado por la Dra. Cassandra Smith, investigadora asociada de la ECU, y el Dr. Marc Sim, investigador sénior, funciona analizando imágenes de evaluación de fracturas vertebrales (VFA, por sus siglas en inglés) tomadas durante las pruebas estándar de densidad ósea, que a menudo forman parte de los planes de tratamiento para la osteoporosis.
Al evaluar la presencia y la extensión de la calcificación de la aorta abdominal (CAA) en estas exploraciones, el programa puede identificar rápidamente a los pacientes con riesgo de sufrir un ataque cardíaco, un derrame cerebral y caídas peligrosas.
Lo verdaderamente impresionante es la velocidad con la que funciona el algoritmo. Mientras que un lector humano experimentado podría tardar entre cinco y seis minutos en calcular una puntuación AAC a partir de un solo escaneo, el programa de aprendizaje automático puede predecir puntuaciones para miles de imágenes en menos de un minuto.
Ese nivel de eficiencia podría suponer una ventaja significativa para los sistemas sanitarios que buscan examinar a grandes poblaciones en busca de riesgos ocultos para la salud.
La necesidad de tales pruebas de detección es evidente. En el investigación, El Dr. Smith descubrió que un asombroso 581% de las personas mayores que se sometieron a exploraciones rutinarias de densidad ósea presentaban niveles de AAC de moderados a altos.
Lo que resulta aún más preocupante es que uno de cada cuatro de esos pacientes desconocía por completo su elevado riesgo.
“Se reconoce que las mujeres reciben menos exámenes de detección y tratamientos para las enfermedades cardiovasculares”, señaló el Dr. Smith. “Este estudio demuestra que podemos usar equipos de densitometría ósea de baja radiación y ampliamente disponibles para identificar a las mujeres con alto riesgo de enfermedad cardiovascular, lo que les permitiría buscar tratamiento”.”
Pero el poder predictivo del algoritmo no se limita a la salud cardíaca. Utilizando el mismo programa, el Dr. Sim descubrió que los pacientes con puntuaciones AAC de moderadas a altas también presentaban un mayor riesgo de hospitalizaciones y fracturas relacionadas con caídas, en comparación con aquellos con puntuaciones bajas.
“Cuanto mayor sea la calcificación de las arterias, mayor será el riesgo de caídas y fracturas”, explicó el Dr. Sim. Si bien los factores de riesgo tradicionales de caídas, como las caídas previas y la baja densidad ósea, son bien conocidos, la salud vascular rara vez se tiene en cuenta.
“Nuestro análisis reveló que la CAA contribuía de forma muy significativa al riesgo de caídas y, de hecho, era más importante que otros factores que se identifican clínicamente como factores de riesgo de caídas.”
Como ocurre con cualquier tecnología nueva, hay preguntas que responder y desafíos que superar antes de que este tipo de análisis asistido por IA se convierta en una práctica habitual.
Ante todo, será necesario validar el algoritmo en poblaciones de pacientes más amplias y diversas, e integrarlo sin problemas en los flujos de trabajo clínicos existentes.
Sin embargo, si se logran superar esos desafíos, una simple gammagrafía ósea, algo a lo que millones de adultos mayores ya se someten con regularidad, podría convertirse en un sistema de alerta temprana para algunos de los problemas de salud más comunes y devastadores a los que nos enfrentamos.


