Inteligencia artificial detecta enfermedad hepática mediante ecocardiogramas

La ecocardiografía es un procedimiento de diagnóstico que utiliza ultrasonidos para visualizar el corazón y sus estructuras asociadas. Esta prueba de diagnóstico por imágenes se utiliza comúnmente como un método de detección temprana cuando los médicos sospechan que un paciente puede tener una enfermedad cardiovascular. Un ecocardiograma típico puede contener más de 50 clips de video, algunos de los cuales muestran imágenes del hígado. Las personas con enfermedades cardíacas a menudo desarrollan afecciones hepáticas crónicas, lo que dificulta la diferenciación entre la enfermedad hepática primaria y la lesión hepática resultante de una enfermedad cardíaca.

Se estima que 4,5 millones de personas han sido diagnosticadas con enfermedad hepática, aunque muchas más pueden tener enfermedad hepática esteatósica no diagnosticada, anteriormente conocida como enfermedad del hígado graso. Ahora, un nuevo programa de inteligencia artificial (IA) puede detectar la enfermedad hepática crónica a partir de videos capturados durante un ecocardiograma. Este modelo de aprendizaje profundo ayuda a los médicos a identificar enfermedades hepáticas que de otro modo pasarían desapercibidas, lo que permite realizar pruebas de seguimiento oportunas.

Los investigadores del hospital Cedars-Sinai (Los Ángeles, CA, EUA) entrenaron un sistema de IA para analizar patrones en más de 1,5 millones de videos de ecocardiogramas. El programa de IA, llamado EchoNet-Liver, pudo detectar cirrosis (cicatrización del hígado) y enfermedad hepática esteatótica al examinar imágenes del hígado capturadas durante ecocardiogramas. Esta tecnología se basa en el desarrollo previo de EchoNet, un sistema diseñado para identificar y analizar patrones en imágenes de ecocardiogramas. El equipo comparó las predicciones del modelo de aprendizaje profundo con diagnósticos realizados mediante ecografías abdominales o imágenes de resonancia magnética. Según un estudio publicado en la revista NEJM AI, la precisión del modelo de IA fue comparable a la de los métodos de imágenes tradicionales analizados por radiólogos. La siguiente fase de la investigación implica probar EchoNet-Liver en estudios que rastrean la salud de los pacientes a lo largo del tiempo.

“Estos nuevos hallazgos ejemplifican cómo los modelos de IA nos ayudan a mejorar los diagnósticos clínicos a nivel de sistemas corporales en lugar de solo órganos individuales”, dijo Sumeet Chugh, MD, director de la División de Inteligencia Artificial en Medicina en Cedars-Sinai.

Visitar la expo >

Adjustable Mobile Barrier

M-458

Mobile X-Ray System

K4W

Ultrasound Needle Guidance System

SonoSite L25

Multi-Use Ultrasound Table

Clinton