Gracias a la inteligencia artificial, pronto podremos predecir nuestro riesgo de desarrollar enfermedades graves más adelante en la vida, con solo presionar un botón.

La calcificación aórtica abdominal, o AAC, es una calcificación que puede acumularse dentro de las paredes de la aorta abdominal y predice su riesgo de desarrollar eventos de enfermedades cardiovasculares como ataques cardíacos y accidentes cerebrovasculares.

También predice su riesgo de caídas, fracturas y demencia en la vejez.

Convenientemente, los escaneos de máquinas de densidad ósea comunes que se usan para detectar osteoporosis también pueden detectar AAC.

Sin embargo, se necesitan lectores expertos altamente capacitados para analizar las imágenes, un proceso que puede llevar de 5 a 15 minutos por imagen.

Pero los investigadores de la Facultad de Ciencias y la Facultad de Ciencias Médicas y de la Salud de la Universidad Edith Cowan (ECU) han colaborado para desarrollar un software que puede analizar escaneos mucho, mucho más rápido: aproximadamente 60,000 imágenes en un solo día.

El investigador y profesor asociado de la Heart Foundation Future Leader, Joshua Lewis, dijo que este aumento significativo en la eficiencia será crucial para el uso generalizado de AAC en la investigación y para ayudar a las personas a evitar desarrollar problemas de salud más adelante en la vida.

« Dado que estas imágenes y puntajes automatizados pueden adquirirse rápida y fácilmente en el momento de la prueba de densidad ósea, esto puede conducir a nuevos enfoques en el futuro para la detección temprana de enfermedades cardiovasculares y el control de enfermedades durante la práctica clínica de rutina », dijo.

Ahorrando MUCHO tiempo

Los resultados provinieron de una colaboración internacional entre ECU, la Universidad de WA, la Universidad de Minnesota, Southampton, la Universidad de Manitoba, el Instituto Marcus para la Investigación del Envejecimiento y la Escuela de Medicina de Harvard de Hebrew SeniorLife. Verdaderamente un esfuerzo global multidisciplinario.

Aunque no es el primer algoritmo desarrollado para evaluar AAC a partir de estas imágenes, el estudio es el más grande de su tipo, se basó en los modelos de máquinas de densidad ósea más utilizados y es el primero en probarse en un entorno real usando imágenes. tomado como parte de la prueba de densidad ósea de rutina.

Vio más de 5000 imágenes analizadas por expertos y el software del equipo.

Después de comparar los resultados, el experto y el software llegaron a la misma conclusión para el alcance de la CAA (baja, moderada o alta) el 80 por ciento de las veces, una cifra impresionante dado que era la primera versión del software.

Es importante destacar que solo el 3 por ciento de las personas que se consideraba que tenían niveles altos de CAA fueron diagnosticados incorrectamente con niveles bajos por el software.

« Esto es notable ya que estos son los individuos con la mayor extensión de la enfermedad y el mayor riesgo de eventos cardiovasculares fatales y no fatales y mortalidad por todas las causas », dijo el profesor Lewis.

« Si bien aún queda trabajo por hacer para mejorar la precisión del software en comparación con las lecturas humanas, estos resultados son de nuestro algoritmo de la versión 1.0, y ya hemos mejorado los resultados sustancialmente con nuestras versiones más recientes.

« La evaluación automatizada de la presencia y el alcance de la AAC con precisiones similares a las de los especialistas en imágenes brinda la posibilidad de realizar pruebas de detección a gran escala de enfermedades cardiovasculares y otras afecciones, incluso antes de que alguien tenga algún síntoma ».

« Esto permitirá que las personas en riesgo realicen los cambios de estilo de vida necesarios mucho antes y los colocará en un mejor lugar para ser más saludables en sus últimos años ».

La Heart Foundation proporcionó fondos para el proyecto, gracias a la Beca de Liderazgo Futuro 2019 del profesor Lewis que brindó apoyo para la investigación durante un período de tres años.

‘Aprendizaje automático para la evaluación de la calcificación aórtica abdominal a partir de imágenes de columna lateral derivadas de máquinas de densidad ósea’ se publicó en eBioMedicine.