La inteligencia artificial mejora el seguimiento de la estenosis aórtica, una de las patologías cardíaca más frecuentes
17 de marzo 2023. 10:30 am
Equipos de investigación del área de Enfermedades Cardiovasculares del CIBER (CIBERCV), del Centro de Investigación Biomédica en Red del Instituto de Salud Carlos III, han desarrollado una investigación pionera en la aplicación de machine learning, aplicada al estudio y seguimiento de la estenosis aórtica, una…
Equipos de investigación del área de Enfermedades Cardiovasculares del CIBER (CIBERCV), del Centro de Investigación Biomédica en Red del Instituto de Salud Carlos III, han desarrollado una investigación pionera en la aplicación de
machine learning, aplicada al estudio y seguimiento de la
estenosis aórtica, una de las patologías cardíaca más frecuentes.
Los resultados del estudio muestran que
el aprendizaje automático permite desarrollar una programación personalizada, automatizada y en tiempo real del examen ecocardiográfico de seguimiento de los pacientes con estenosis aórtica leve o moderada. En comparación con las directrices europeas y americanas,
el modelo reduce el número de exámenes de los pacientes en un 49 por ciento (EU) y 13 por ciento (US).
Así, la aplicación del modelo redundaría en
una mayor capacidad predictiva del avance de la enfermedad, con la consiguiente mejora de los tratamientos. Pero también permitiría un ahorro considerable en la gestión de los recursos sanitarios y diagnósticos disponibles. Un elemento importante si se tiene en cuenta la prevalencia de esta patología cardíaca.
Cabe recordar que la estenosis aórtica ocurre en aproximadamente el 2 por ciento de las personas mayores de 65 años. Es más frecuentemente en hombres y es una causa importante de la morbilidad y mortalidad asociadas a patologías cardíacas.
Machine learning en estenosis aórtica
El estudio ya está publicado en la revista
JACC: Cardiovascular Imaging. En el mismo se explica cómo se aplica
la tecnología machine learning para optimizar la vigilancia ecocardiográfica de la estenosis aórtica de forma automática.
Los datos demográficos y ecocardiográficos de los pacientes para desarrollar el modelo se obtuvieron a partir de 4.633 ecocardiogramas de 1.638 pacientes consecutivos. Los datos obtenidos a partir de este calendario de vigilancia ecocardiográfica se compararon con las recomendaciones de seguimiento ecocardiográfico de las guías europeas y americanas.
En el trabajo han participado varios grupos del CIBERCV y del Centro de Investigación Biomédica en Red del Instituto de Salud Carlos III. Además, el estudio se ha llevado a cabo con la colaboración de la empresa Philips.
