Pankaj Garg, MD, PhD

Copyright: Universidad de East Anglia Universidad de East Anglia

Un nuevo modelo de IA acelera el diagnóstico por exploración cardíaca de unos 45 minutos a unos pocos segundos, según un estudio reciente. El uso de la IA no sólo ahorra tiempo al médico, sino que también puede mejorar los resultados de los pacientes y salvar vidas.

“El modelo de IA determinó con precisión el tamaño y la función de las cámaras del corazón y mostró resultados similares a los obtenidos por los médicos”, dijo el investigador principal Pankaj Garg, MD, de la Facultad de Medicina de la Universidad de East Anglia en Norwich y cardiólogo consultor de Norfolk y Norwich University Hospital, dijeron en un comunicado de prensa “Manualmente, pero mucho más rápido”.

Garg y sus colegas llevaron a cabo un estudio observacional retrospectivo multicéntrico y de múltiples proveedores para entrenar y desarrollar un modelo de inteligencia artificial de aprendizaje profundo para examinar exploraciones cardíacas a lo largo del tiempo a través de la vista específica de imágenes de cine de cuatro cámaras. La resonancia magnética cardíaca (RMC) en el plano de cuatro cámaras proporciona una visión completa del tamaño del corazón.

El segundo objetivo era confirmar la coherencia y fiabilidad de los resultados del modelo de IA comparándolos con análisis manuales de expertos sobre imágenes de cine de cuatro cámaras y métodos automatizados actuales para la segmentación de eje corto. Finalmente, el tercer objetivo fue evaluar el valor predictivo del modelo.

El equipo entrenó el modelo de IA utilizando datos de 814 participantes, extraídos de dos estudios: el registro ASPIRE del Hospital Universitario de Sheffield (n = 624; 367 exploraciones con equipos de GE Healthcare y 257 exploraciones con equipos de Siemens Healthineers) y el NHS de los Hospitales Universitarios de Leeds. Confianza (n = 190; Phillips Healthcare Equipment).

Se generó una cohorte independiente de 101 pacientes (estudiados con equipos de Siemens Healthineers) a partir del registro PREFER-CMR de los hospitales universitarios de Norfolk y Norwich para evaluar la validación, la reproducibilidad y la predicción de la mortalidad mediante un modelo de inteligencia artificial. La edad promedio de la cohorte de validación fue de 54 años y el 65% eran hombres.

Los participantes se incluyeron en las cohortes de derivación y validación si tenían ≥18 años de edad, tenían una indicación clínica para una resonancia magnética cardíaca, una exploración de segmentación de alta calidad y proporcionaron su consentimiento informado por escrito.

Los investigadores descubrieron que las mediciones del corazón izquierdo y derecho tomadas mediante métodos automatizados coincidían estrechamente con las tomadas manualmente, con fuertes correlaciones (s = 0,91 – 0,98 f s = 0,89 – 0,98, respectivamente). Todas las mediciones volumétricas de 4 compartimentos fueron altamente reproducibles y no mostraron sesgos y altas correlaciones con análisis automatizados y manuales (s = 0,99 – 1,00).

Observaron que el método automatizado subestimaba el volumen de los ventrículos izquierdo y derecho en comparación con el método manual, y el equipo propuso dos factores de corrección para los análisis de cuatro cámaras del ventrículo izquierdo y del ventrículo derecho para corregir esta estimación incorrecta. Después de aplicar estas correcciones, los resultados fueron más precisos y no hubo diferencias significativas y hubo poco sesgo entre las mediciones automatizadas de cuatro cámaras y axiales cortas del volumen telediastólico del ventrículo izquierdo (sesgo = 2,04 ml, s = 0,493) y el volumen telesistólico del ventrículo izquierdo (sesgo = -0,26 ml, s= 0,903). Los resultados se mantuvieron similares para las mediciones del ventrículo derecho, con un sesgo descendente de -69 ml a -18,7 ml para el volumen del ventrículo derecho al final de la diástole y de -37,6 ml a 13,2 ml para el volumen del ventrículo derecho al final de la sístole.

Durante una mediana de seguimiento de 6,75 años, murieron 16 pacientes. Un análisis multivariado por pasos mostró que una medida específica de la función cardíaca (fracción de eyección de la aurícula izquierda) se asociaba de forma independiente con el riesgo de muerte en el índice (hazard ratio). [HR]0,96; s= 0,003) y análisis de IA (índice de riesgo, 0,96; s

En última instancia, la resonancia magnética cardíaca de cuatro cámaras automatizada proporciona una herramienta de diagnóstico eficaz y precisa para identificar problemas cardíacos. En el comunicado de prensa, Garg dijo que la IA solo tarda unos segundos, a diferencia del análisis de resonancia magnética manual estándar que puede tardar 45 minutos adicionales.

“La automatización del proceso de evaluación de la función y estructura del corazón ahorrará tiempo y recursos y garantizará resultados consistentes para los médicos”, dijo en un comunicado de prensa el estudiante de doctorado Hossam El-Din Assadi de la Facultad de Medicina de la Universidad de Norwich. “Esta innovación puede conducir a diagnósticos más eficientes, mejores decisiones de tratamiento y, en última instancia, mejores resultados para los pacientes con enfermedades cardíacas. Además, el potencial de la IA para predecir la mortalidad basándose en mediciones cardíacas resalta su potencial para revolucionar la atención cardíaca y mejorar el diagnóstico de los pacientes. .

Referencias

1. ^{Asadi, H., Alapide, S., Lee, R. et al. Desarrollo y validación de segmentación derivada de inteligencia artificial para resonancia magnética cardíaca cinematográfica de cuatro cámaras. Euro Radiol Exp. 8, 77 (2024). https://doi.org/10.1186/s41747-024-00477-7}
2. ^{La inteligencia artificial acelera los escáneres cardíacos, lo que ahorra tiempo a los médicos y puede conducir a un mejor tratamiento de las enfermedades cardíacas. Eurek¡Alerta! 11 de julio de 2024. https://www.eurekalert.org/news-releases/1050961Consultado el 17 de julio de 2024.}