Predicción de Infarto de Miocardio analizando Tomografía Computada de Corazón

Este estudio presenta dos cosas muy buenas. El primero es que se realiza sobre los datos de investigación de un proyecto del 2011 (el estudio EISNER), y el segundo es el poder que tiene el Machine Learning para ayudarnos a re-hacer cálculos que han requerido muchos años de seguimiento de pacientes en el pasado, como el Score de framingham.

Link del estudio
https://doi.org/10.1093/cvr/cvz321

El estudio consta del análisis de Tomografías Axiales Computadas (TAC) de Corazón donde se calcularon a través de Deep Learning el volumen y densidad del TEJIDO ADIPOSO EPICÁRDICO (EAT: Epicardial Adipose Tissue) y se utilizaron diferentes variables del estudio EISNER para predecir infarto de miocardio y muerte.

El estudio EISNER siguió a 2.137 pacientes asintomáticos durante 15 años, y a esos pacientes se les hizo un TAC de corazón para medir el Calcio de la Arteria Coronaria (un indicador de enfermedad aterosclerótica).

Para este trabajo, se utilizaron datos de 1.912 pacientes del estudio EISNER, se calculó con Deep Learning dos nuevos datos que son el volumen y densidad EAT y se analizaron todas las variables con el algoritmo Extreme gradient boosting (XGBoost).

Estas son las variables que se utilizaron para entrenar el algoritmo y su importancia. Es importante ver el rol que tienen las variables provenientes de las imágenes.

Resultados


Hoy en la práctica clínica se utilizan los SCORE de Riesgo Cardiovascular que aislados proveen un AUC (AREA UNDER THE CURVE) de 0,77

La medición aislada del Calcio en las Arterias Coronarias (CAC: Coronary Artery Calcium) también tiene un AUC de 0,77 para predecir infarto.

Ahora, con Machine Learning (ML), se pueden SUMAR todas las variables, y aquí está la magia, creando algo nuevo. El algoritmo tiene una AUC de 0,82

El AUC (Área Under the Curve) fue de 0,82% (test bueno)

Menos de 0,5: Es como lanzar una moneda.
Entre 0,5 y 0,6: Test malo.
Entre 0,6 y 0,75: Test regular.
Entre 0,75 y 0,9: Test bueno.
Entre 0,9 y 0,97: Test muy bueno.
Más de 0,97: Test excelente.

Las Historias Clínicas Electrónicas irán incorporando estos algoritmos, calculando, sin mediar humano ingresando datos en una calculadora, el SCORE para alertarnos.

Muy interesante alejandro!
Es de mucha utilidad este paper y lo mejor de todo es la cercanía que tenemos de comenzar a utilizar herramientas tales como " Machine Learning" que de cierto modo sean capaz de sintetizar y unir todos los SCORES y además de otras variables como parámetros de laboratorio, de forma que se integren todos los descubrimientos y avances de la medicina sobre la predicción de un Infarto de Miocardio en una misma aplicación.
En mi opinión siento que todas estas herramientas hacen más eficaz y rápida la práctica médica , al no tener que calcular en solo un o dos scores la probabilidad de un infarto , que mejor que tener una aplicación que te permita colocar todas las variables que tengas del paciente y que esta misma aplicación te evalue el riesgo con distintos SCORES y después vea una probabilidad común de la unión de todos estos SCORES. Considero que la capacidad del sistema de salud de predecir un infarto con esta herramienta es sumamente beneficiosa y vanguardista. Además la misma plataforma puede ir recopilando la información de todos los pacientes y generar sus mismas variables que nosotros no teníamos consideradas y así obtener probabilidades con un muchísimo menor margen de error. Creo que es imperativo que se comiencen a usar pronto estas herramientas para darles aún más validez y que además sea comprobada como una buena herramienta en la lucha contra los infartos.

4 Me gusta