La IA identifica la enfermedad de la válvula cardíaca a partir de una prueba de imagen común

El programa de aprendizaje profundo, desarrollado por investigadores del Smidt Heart Institute de Cedars-Sinai (Los Ángeles, CA, EUA), se basa en investigaciones previas que demostraron la capacidad de un programa de IA para detectar enfermedades valvulares mediante el análisis de imágenes por ultrasonido. En este nuevo estudio, publicado en la revista JAMA Cardiology, el equipo entrenó el modelo de IA para identificar patrones de insuficiencia tricuspídea en 47.312 ecocardiogramas recopilados en Cedars-Sinai entre 2011 y 2021. El programa de IA detectó con éxito la insuficiencia tricuspídea en pacientes, clasificándola como leve, moderada o grave.

Los investigadores probaron el programa en nuevos ecocardiogramas de pacientes sometidos al procedimiento en Cedars-Sinai en 2022 y en Stanford Healthcare. El modelo de IA predijo la gravedad de la insuficiencia tricúspide con una precisión comparable a la de los cardiólogos que revisan los ecocardiogramas, y sus resultados fueron similares a los obtenidos con resonancias magnéticas. En el futuro, los investigadores planean centrarse en recopilar datos más detallados sobre la enfermedad valvular, como el volumen de sangre que regurgita a través de la válvula, y en evaluar los resultados en pacientes que reciben tratamiento para esta afección. El equipo del Smidt Heart Institute está aplicando tecnología de IA en diversas pruebas de imagen cardíaca para impulsar el avance en este campo.

“Este programa de IA puede complementar la evaluación que hacen los cardiólogos de los ecocardiogramas, una prueba de detección y diagnóstico que muchos pacientes con síntomas de enfermedad cardíaca ya estarían recibiendo”, dijo el Dr. David Ouyang, científico investigador del Smidt Heart Institute y autor principal del estudio. “Al aplicar la IA a los ecocardiogramas, podemos ayudar a los médicos a detectar más fácilmente los signos de enfermedad valvular cardíaca, para que los pacientes reciban la atención que necesitan lo antes posible”.