Los modelos de IA mejoran la precisión del diagnóstico de la enfermedad de las arterias coronarias

Los modelos de IA mejoran la precisión del diagnóstico de la enfermedad de las arterias coronarias

Varios descubrimientos recientes muestran que la precisión del diagnóstico de la enfermedad de las arterias coronarias y la predicción del riesgo del paciente se están mejorando utilizando modelos de inteligencia artificial (IA) desarrollados por científicos de la División de Inteligencia Artificial en Medicina de Cedars-Sinai.

Estos avances, liderados por Piotr Slomka, PhD,Director de Innovación en Imágenes en Cedars-Sinai y científico investigador de la División de Inteligencia Artificial en Medicina y el Smidt Heart Institute, facilitan la detección y el diagnóstico de una de las enfermedades cardíacas más comunes y mortales.

La enfermedad de las arterias coronarias afecta las arterias que suministran sangre al músculo cardíaco. Si no se trata, puede provocar un ataque cardíaco u otras complicaciones como arritmias cardíacas o insuficiencia cardíaca.

La afección, que afecta aproximadamente a 16,3 millones de estadounidenses de 20 años o más, se diagnostica comúnmente mediante tomografía computarizada por emisión de fotón único (SPECT) y tomografía computarizada (CT). Sin embargo, las imágenes producidas durante el escaneo no siempre son fáciles de leer.

"Seguimos demostrando que la IA puede mejorar la calidad de las imágenes y revelar más información, lo que lleva a diagnósticos de enfermedades más precisos", afirmó Slomka, quien también es profesor de medicina y cardiología y autor principal de tres estudios publicados recientemente que utilizan la IA para mejorar las imágenes cardíacas.

Uso de IA para mejorar las imágenes cardíacas

El primer estudio, publicado en el Journal of Nuclear Medicine, utiliza tecnología de inteligencia artificial para imágenes cardíacas, lo que ayuda a mejorar la precisión del diagnóstico de las imágenes SPECT para la enfermedad de las arterias coronarias mediante correcciones de imágenes avanzadas.

La corrección de la atenuación es importante en las imágenes SPECT, ya que ayuda a reducir los artefactos en las imágenes cardíacas y las hace más fáciles de leer y más precisas. Sin embargo, requiere una tomografía computarizada adicional y costosas máquinas híbridas SPECT/CT, que son esencialmente dos escáneres en uno.

Si bien se ha demostrado que la corrección de atenuación de la TC mejora el diagnóstico de la enfermedad de las arterias coronarias, actualmente solo se realiza en una minoría de exploraciones debido al tiempo adicional de exploración, la radiación y la disponibilidad limitada de esta costosa tecnología.

Para superar estos obstáculos, Slomka y su equipo desarrollaron un modelo de aprendizaje profundo llamado DeepAC para generar imágenes SPECT corregidas sin la necesidad de costosos escáneres híbridos. Estas imágenes se generan mediante técnicas de inteligencia artificial similares a las utilizadas para generar videos "deep fake" y pueden simular imágenes de alta calidad obtenidas con escáneres híbridos SPECT/CT.

El equipo comparó la precisión diagnóstica de la enfermedad de las arterias coronarias con imágenes SPECT no corregidas que se utilizan en la mayoría de los lugares hoy en día, imágenes híbridas avanzadas de SPECT/CT y nuevas imágenes corregidas por IA en datos no vistos de centros que nunca se utilizaron en el entrenamiento DeepAC.

Descubrieron que la IA creaba imágenes que tenían casi la misma calidad y permitían una precisión de diagnóstico similar a las obtenidas con escáneres más caros.

Este modelo de IA fue capaz de generar imágenes DeepAC en fracciones de segundo en software informático estándar y podría implementarse fácilmente en flujos de trabajo clínicos como un paso de preprocesamiento automatizado”.

Piotr Slomka, PhD,Director de Innovación en Imágenes, Cedars-Sinai

Predicción de eventos cardíacos adversos mayores

En el segundo estudio, publicado en el Journal of American College of Cardiology: Cardiovascular Imaging, el equipo demostró que la IA de aprendizaje profundo permite predecir eventos cardíacos adversos importantes, como la muerte y un ataque cardíaco, directamente a partir de imágenes SPECT.

Los investigadores entrenaron el modelo de IA utilizando una gran base de datos multinacional que incluía cinco ubicaciones diferentes con más de 20.000 escaneos de pacientes. Contenía imágenes que representaban la perfusión cardíaca y el movimiento de cada paciente.

El modelo de IA proporciona explicaciones visuales a los médicos y resalta las imágenes con las regiones que contribuyen a un alto riesgo de eventos adversos.

Luego, el equipo probó el modelo de IA en dos ubicaciones diferentes con más de 9.000 escaneos. Descubrieron que el modelo de aprendizaje profundo predijo el riesgo del paciente con mayor precisión que los programas de software utilizados actualmente en la clínica.

"En el primer estudio pudimos demostrar que se pueden realizar importantes correcciones de imagen con IA sin costosos escáneres", afirma Slomka. "En segundo lugar, mostramos que las imágenes existentes se pueden utilizar mejor, utilizando imágenes para predecir el riesgo del paciente de sufrir un ataque cardíaco o muerte y resaltando las características cardíacas que indican este riesgo, para informar mejor a los médicos sobre la enfermedad coronaria".

"Estos resultados representan una prueba de principio de cómo la IA puede mejorar el diagnóstico clínico", dijo Sumeet Chugh, MD, director de la División de Inteligencia Artificial en Medicina. "Las mejoras impulsadas por la IA en las imágenes SPECT tienen el potencial de mejorar la precisión del diagnóstico de la enfermedad de las arterias coronarias y, al mismo tiempo, se realizan significativamente más rápido y más barato que los estándares actuales".

Reducir el sesgo en los modelos de IA

El tercer estudio, publicado en el European Journal of Nuclear Medicine and Molecular Imaging, describe cómo se puede entrenar un sistema de IA para que funcione bien en todas las poblaciones aplicables, no solo en la población para la que se entrenó el sistema.

Algunos sistemas de IA están entrenados en poblaciones de pacientes de alto riesgo, lo que puede hacer que los sistemas sobreestimen la probabilidad de enfermedad. Para garantizar que el modelo de IA funcione con precisión para todos los pacientes y reduzca el sesgo, Slomka y su equipo entrenaron el sistema de IA con variaciones simuladas de pacientes. Este proceso, llamado aumento de datos, ayuda a reflejar mejor la combinación de pacientes que se espera que se sometan a las pruebas de imágenes.

Descubrieron que los modelos entrenados con una combinación equilibrada de pacientes predecían con mayor precisión la probabilidad de enfermedad de las arterias coronarias en mujeres y pacientes de bajo riesgo, lo que podría conducir a pruebas menos invasivas y diagnósticos más precisos en las mujeres.

Los modelos también dieron como resultado menos falsos positivos, lo que sugiere que el sistema puede reducir la cantidad de pruebas a las que se somete el paciente para descartar la enfermedad.

"Los resultados sugieren que mejorar los datos de entrenamiento es fundamental para garantizar que las predicciones de la IA reflejen mejor la población a la que se aplicarán en el futuro", afirmó Slomka.

Los investigadores ahora están evaluando estos novedosos enfoques de IA en Cedars-Sinai y explorando cómo podrían integrarse en el software clínico y usarse en la atención estándar al paciente.

La investigación fue apoyada en parte por el Instituto Nacional del Corazón, los Pulmones y la Sangre.

Fuente:

Cedros del Sinaí

Referencia:

Shanbhag, AD, et al. (2022) La corrección de atenuación basada en el aprendizaje profundo mejora la precisión diagnóstica de la SPECT cardíaca. Revista de Medicina Nuclear. doi.org/10.2967/jnumed.122.264429.

.