
IA predice riesgo cardiovascular con mamografías
Las enfermedades cardiovasculares son la principal causa de muerte en las mujeres, sumando alrededor de 9 millones anuales en el mundo: un tercio de todas las defunciones femeninas. Sin embargo, varios estudios a nivel internacional han demostrado que los síntomas y los factores de riesgo de las enfermedades cardiovasculares no se tienen en cuenta en las mujeres, lo que lleva a menos pruebas de diagnóstico, de referencias especializadas y de recetas en comparación con los hombres.
- Por el contrario, los programas de detección de cáncer de mama basados en la mamografía han involucrado a las mujeres de manera muy efectiva en muchos países.
Y esto ocurre en la mediana edad, justo cuando aumenta el riesgo de enfermedades cardiovasculares.
- Las características mamográficas como la calcificación arterial mamaria y la densidad tisular están asociadas con el riesgo cardiovascular.
- Con esta premisa, un grupo de investigadores del Instituto George para la Salud Global, en colaboración con la Universidad de Nueva Gales del Sur y la Universidad de Sídney, desarrolló un algoritmo IAde aprendizaje para la predicción del riesgo cardiovascular basado en imágenes de mamografía de rutina.
Los hallazgos se publicaron en Heart, la revista oficial de la Sociedad Cardiovascular Británica.
- Este es el primer algoritmo de aprendizaje profundo basado solo en características mamográficas y edad para predecir eventos cardíacos importantes con una precisión comparable a las calculadoras de riesgo cardiovascular tradicionales.
La profesora asociada y directora global del Programa Cardiovascular del Instituto George, Clare Arnott, dijo que se necesitaban nuevas formas de identificar a las mujeres con riesgo de enfermedad cardiovascular (ECV), dado que muchas no acceden o no se les ofrecen pruebas de detección de riesgo CV en su comunidad.
- Esto ocurre por el sesgo de género que considera erróneamente que la ECV afecta predominantemente a los hombres.
“Esto resulta en un subdiagnóstico y un tratamiento insuficiente de la afección en las mujeres. Al integrar la detección del riesgo CV con la detección de mamas mediante el uso de mamografías, algo con lo que muchas ya se involucran en una etapa de la vida en la que aumenta su riesgo cardiovascular, podemos identificar y potencialmente prevenir dos causas principales de enfermedad y muerte al mismo tiempo”, señaló Arnott.
- El modelo fue diseñado y validado utilizando mamografías de rutina de más de 49 mil mujeres en áreas metropolitanas y rurales de Victoria, Australia, vinculadas a registros individuales de hospitales y defunción. Luego, los investigadores compararon el modelo con otros tradicionales, que requieren múltiples puntos de datos basados en factores de riesgo CV conocidos, como la presión arterial y el colesterol.
“Descubrimos que nuestro modelo funcionó igual de bien sin la necesidad de datos clínicos y médicos extensos”, dijo la profesora Arnott.
Y agregó que este modelo es el primero “en utilizar una gama de características de imágenes mamográficas combinadas simplemente con la edad; una ventaja clave de este enfoque es que no requiere registro de antecedentes adicionales o datos de registro médico, lo que lo hace que sea menos intensivo en recursos, pero aún así muy preciso”.
- Por su parte, la investigadora del Instituto George, Jennifer Barraclough, dijo que aprovechar un proceso de detección de riesgos existente ya ampliamente utilizado por las mujeres, significa que este modelo podría servir como una herramienta de predicción de riesgos cardiovasculares para la mujer en diversas comunidades en todo el mundo.
“Esperamos que esta tecnología algún día proporcione un acceso mayor y más equitativo a la detección en las zonas rurales, ya que muchas mujeres ya se benefician de las unidades de mamografía móvil de forma gratuita”, añadió.
Inscríbete gratis en Efecto Placebo el newsletter de salud de El Mostrador. Cada jueves te informaremos sobre las últimas investigaciones, terapias, avances en medicina y las claves para alcanzar el bienestar.