Nueva Inteligencia Artificial IA puede detectar automáticamente una afección cardíaca grave

0
1708

(360 Noticias) Mediante el uso de imágenes de tomografía de coherencia óptica intravascular (OCT), se ha desarrollado una novedosa técnica que facilita la detección de la erosión de la placa en las arterias. Esta técnica utiliza inteligencia artificial (IA) para analizar las imágenes y detectar automáticamente la presencia de erosión de la placa, un factor crucial en el control de las enfermedades del corazón, ya que su desintegración puede obstruir el flujo sanguíneo y desencadenar problemas graves como un ataque al corazón.

El líder del equipo de investigación, Zhao Wang, de la Universidad de Ciencia y Tecnología Electrónica de China, afirmó que este nuevo enfoque podría mejorar el diagnóstico clínico de la erosión de la placa y contribuir al desarrollo de nuevos tratamientos para los pacientes con enfermedades cardíacas. La técnica se basa en la OCT, una tecnología de imagen óptica de alta resolución que permite obtener imágenes tridimensionales de las arterias coronarias. Aunque la OCT intravascular se utiliza comúnmente para verificar la erosión de la placa, existe una variabilidad significativa entre los observadores debido a la cantidad de datos generados y a la dificultad de interpretar visualmente las imágenes.

Para abordar este problema, Wang colaboró con un equipo de ingenieros de su institución y profesionales médicos del 2.º Hospital Afiliado de la Universidad Médica de Harbin, bajo la dirección de Bo Yu, para crear un método automatizado y objetivo que utiliza IA para identificar la erosión de la placa en base a las imágenes de OCT. Este nuevo método, presentado en la revista Biomedical Optics Express de Optica Publishing Group, ha demostrado ser lo suficientemente preciso como para servir como base para el diagnóstico clínico.

El método se compone de dos pasos principales. En primer lugar, se utiliza una red neuronal de IA para predecir las regiones de posible erosión de la placa a partir de la imagen original y dos características de forma. Posteriormente, se refina la predicción inicial mediante un algoritmo de posprocesamiento basado en características clínicamente interpretables, que imita el conocimiento utilizado por los médicos para hacer un diagnóstico.

Wang señaló la importancia de incorporar información de forma explícita en el nuevo modelo de IA, ya que es la característica clave utilizada para identificar la erosión de la placa en las imágenes OCT. Asimismo, destacó que la OCT intravascular es crucial debido a su alta resolución y su capacidad para diagnosticar la erosión de la placa en pacientes vivos.

Los investigadores probaron su método utilizando un conjunto de datos que consistía en 16 series de imágenes clínicas de OCT con erosión de la placa (un total de 5553 imágenes) y 10 series de imágenes sin erosión de la placa (un total de 3224 imágenes). El método automatizado logró predecir correctamente el 80% de los casos de erosión de la placa, con un valor predictivo positivo del 73%. Además, se encontró una concordancia considerable entre los diagnósticos basados en el método automatizado y los realizados por tres médicos experimentados.

Si bien se requieren más validaciones de seguridad y aprobación regulatoria para su uso clínico independiente en pacientes, esta técnica tiene el potencial de facilitar el diagnóstico de la erosión de la placa. Esto implicaría que los médicos verifiquen los hallazgos del algoritmo y determinen la causa del síndrome coronario agudo, así como las mejores estrategias de tratamiento.

Además de su aplicación en el diagnóstico clínico, este método también podría ser útil para analizar grandes cantidades de datos de OCT existentes, eliminando así el proceso tedioso y lento del análisis manual de imágenes. Esto podría ayudar a los científicos a mejorar la identificación y el tratamiento de la erosión de la placa. Asimismo, se podría utilizar para desarrollar estrategias de tratamiento individualizadas que optimicen la gestión de los pacientes con síndrome coronario agudo.

Los investigadores están trabajando actualmente en mejoras adicionales de su técnica, incluyendo la incorporación de información tridimensional más precisa y la utilización de más datos sin etiquetar para mejorar el rendimiento del modelo de IA. En el futuro, también planean utilizar conjuntos de datos más amplios, que incluyan una muestra de población global, para entrenar y evaluar el algoritmo. Además, explorarán cómo se puede aplicar en diversas situaciones clínicas para demostrar aún más su utilidad y valor potencial.

Referencia: “Detección in vivo de la erosión de la placa mediante tomografía de coherencia óptica intravascular mediante inteligencia artificial” por Haoyue Sun, Chen Zhao, Yuhan Qin, Chao Li, Haibo Jia, Bo Yu y Zhao Wang, 16 de junio de 2022, Biomedical Optics Express .
DOI: 10.1364/BOE.459623

DEJA UNA RESPUESTA

Por favor ingrese su comentario!
Por favor ingrese su nombre aquí