Investigadores del Cedars-Sinai han creado una herramienta basada en la inteligencia artificial (IA) que podría facilitar la predicción de si una persona sufrirá un evento cardiovascular.

La herramienta, descrita en The Lancet Digital Health, predijo con exactitud qué pacientes sufrirían un evento cardiovascular en los siguientes cinco años basándose en la cantidad y composición de la placa en las arterias que suministran sangre al corazón.

La acumulación de placa puede provocar el estrechamiento de las arterias, lo que dificulta la llegada de sangre al corazón, aumentando la probabilidad de sufrir un evento cardiovascular. Un estudio médico denominado Angiografía Coronaria por Tomografía Computada (ACTC) toma imágenes en 3D del corazón y las arterias y puede dar a los médicos una estimación del grado de estrechamiento de las arterias de un paciente. Sin embargo, hasta ahora no existía una forma sencilla, automatizada y rápida de medir la placa visible en las imágenes de la ACTC.

«La placa coronaria no suele medirse porque no existe una forma totalmente automatizada de hacerlo», afirma el doctor Damini Dey, director del laboratorio de análisis cuantitativo de imágenes del Instituto de Investigación de Imágenes Biomédicas del Cedars-Sinai y autor principal del estudio. «Un experto tarda al menos 25 o 30 minutos en medir la placa, pero ahora podemos utilizar este programa para cuantificar la placa a partir de imágenes de ACTC en cinco o seis segundos».

Dey y sus colegas analizaron las imágenes de ACTC de 1.196 personas que se sometieron a una ACTC coronaria en 11 centros de Australia, Alemania, Japón, Escocia y Estados Unidos. Los investigadores entrenaron el algoritmo de IA para medir la placa haciendo que aprendiera de las imágenes de ACTC de 921 personas, que ya habían sido analizadas por médicos entrenados.

El algoritmo funciona trazando primero los contornos de las arterias coronarias en imágenes 3D y luego, identificando la sangre y los depósitos de placa dentro de las arterias coronarias. Los investigadores comprobaron que las mediciones de la herramienta se correspondían con las cantidades de placa observadas en las ACTC. También compararon los resultados con las imágenes tomadas por dos pruebas invasivas consideradas muy precisas para evaluar la placa y el estrechamiento de las arterias coronarias: la ecografía intravascular y la angiografía coronaria con catéter.

Por último, los investigadores descubrieron que las mediciones realizadas por el algoritmo de IA a partir de imágenes de ACTC predecían con exactitud el riesgo de infarto en un plazo de cinco años en 1.611 personas que formaban parte de un ensayo multicéntrico denominado SCOT-HEART.

«Se necesitan más estudios, pero es posible que podamos predecir si una persona tiene probabilidades de sufrir un evento cardiovascular y en qué plazo basándonos en la cantidad y la composición de la placa captada con esta prueba estándar», dijo Dey, que también es profesor de Ciencias Biomédicas en el Cedars-Sinai.

Dey y sus colegas siguen estudiando hasta qué punto su algoritmo de IA cuantifica los depósitos de placa en los pacientes que se someten a una ACTC.

Referencia:
Andrew Lin, Nipun Manral, Priscilla McElhinney, Aditya Killekar, Hidenari Matsumoto, Jacek Kwiecinski, Konrad Pieszko, Aryabod Razipour, Kajetan Grodecki, Caroline Park, Yuka Otaki, Mhairi Doris, Alan C Kwan, Donghee Han, Keiichiro Kuronuma, Guadalupe Flores Tomasino, Evangelos Tzolos, Aakash Shanbhag, Markus Goeller, Mohamed Marwan, Heidi Gransar, Balaji K Tamarappoo, Sebastien Cadet, Stephan Achenbach, Stephen J Nicholls, Dennis T Wong, Daniel S Berman, Marc Dweck, David E Newby, Michelle C Williams, Piotr J Slomka, Damini Dey. Deep learning-enabled coronary CT angiography for plaque and stenosis quantification and cardiac risk prediction: an international multicentre study. The Lancet Digital Health, 2022; 4 (4): e256 DOI: 10.1016/S2589-7500(22)00022-X