Algoritmo de aprendizaje automático identifica riesgo cardiovascular a partir de escaneos ósea de rutina

Un nuevo estudio publicado en el Journal of Bone and Mineral Research revela que un programa automatizado de aprendizaje automático puede predecir el riesgo de eventos cardiovasculares y caídas o fracturas al analizar exploraciones de densidad ósea tomadas durante pruebas clínicas de rutina.

En el estudio, investigadores de la Universidad Edith Cowan (Joondalup, Australia Occidental), en colaboración con la Universidad de Manitoba (Winnipeg, Canadá), aplicaron el algoritmo de aprendizaje automático a imágenes de evaluación de fracturas vertebrales (VFA). Estas imágenes se obtienen comúnmente durante las pruebas de densidad ósea rutinarias, a menudo como parte de los planes de tratamiento para la osteoporosis.

El algoritmo evaluó el grado de calcificación aórtica abdominal (CAA) en los pacientes, un marcador importante de riesgo cardiovascular. El algoritmo redujo significativamente el tiempo necesario para la evaluación de la CAA, completando la tarea en menos de un minuto para miles de imágenes, en comparación con los cinco o seis minutos que un médico experimentado tardaría en analizar manualmente una sola imagen para obtener la puntuación de la CAA.

El estudio reveló que el 58 % de las personas mayores que se someten a densitometrías óseas rutinarias presentaban niveles de CAA de moderados a altos. Una de cada cuatro personas desconocía su condición, lo que las exponía a un mayor riesgo de infarto y accidente cerebrovascular. Además, el equipo descubrió que los pacientes con puntuaciones de CAA de moderadas a altas tenían una mayor probabilidad de ser hospitalizados por caídas o fracturas, en comparación con aquellos con puntuaciones de CAA bajas.

Los investigadores sugieren que la aplicación de este algoritmo de aprendizaje automático a las densitometrías óseas podría proporcionar a los profesionales sanitarios información valiosa sobre la salud vascular de los pacientes, un factor de riesgo clave, aunque a menudo ignorado, para las caídas y las fracturas.

"Se reconoce que las mujeres no reciben suficientes pruebas de detección ni tratamiento para enfermedades cardiovasculares. Este estudio demuestra que podemos utilizar densitometrías óseas de baja radiación y ampliamente disponibles para identificar a las mujeres con alto riesgo de enfermedad cardiovascular, lo que les permitiría buscar tratamiento", afirmó la Dra. Cassandra Smith, investigadora de la ECU.

"Las personas con CAA no presentan síntomas, y sin una prueba específica para CAA, este pronóstico a menudo pasaría desapercibido. Al aplicar este algoritmo durante las densitometrías óseas, las mujeres tienen una probabilidad mucho mayor de diagnóstico".

Visitar la expo >

Ultrasonic Pocket Doppler

SD1

Ultrasound-Guided Biopsy & Visualization Tools

Endoscopic Ultrasound (EUS) Guided Devices

Radiology Software

DxWorks

Ultra-Flat DR Detector

meX+1717SCC