Investigadores de la Universidad China de Hong Kong (CUHK) han desarrollado una técnica de Análisis Automatizado de Imágenes Retinianas (ARIA) que utiliza el aprendizaje automático para mejorar las estimaciones del riesgo de enfermedad cardiovascular (ECV) en personas infectadas por PLWH con riesgo de ECV (CV). Factores.

En comparación con la población general, las personas con VIH tienen un riesgo dos veces mayor de desarrollar enfermedades cardiovasculares. [Circulation 2018;138:1100-1112] Se recomienda la evaluación regular del riesgo de ECV para las personas que viven con el VIH a través de las guías de práctica clínica. [Circulation 2019;140:e98-e124; EACS Guidelines 11.1, https://eacs.sanfordguide.com] «Sin embargo, las herramientas tradicionales de evaluación del riesgo de ECV no están diseñadas específicamente para las personas que viven con el VIH/SIDA. Se necesita un modelo de predicción para las ECV específicas del VIH», dijo la Dra. Grace Lowe, del Departamento de Medicina y Terapéutica, CUHK.

Las propiedades de la retina se han identificado como biomarcadores útiles para enfermedades crónicas, como la ECV. [Curr Opin Ophthalmol 2021;32:439-444;
Nat Biomed Eng 2018;2:158-164] «[For example,] Enfermedad coronaria [CAD] La profesora Penny Zee de la Escuela de Salud Pública y Atención Primaria Jockey Club, CUHK, explicó. [Atherosclerosis 2018;268:215-224; Sci Rep 2016;6:19053]

En este estudio, los investigadores evaluaron el rendimiento de los modelos de predicción de CVD basados ​​en ARIA solo, factores de riesgo CV tradicionales solos y ARIA más factores de riesgo CV tradicionales en personas infectadas por el VIH en alto riesgo. El algoritmo ARIA detectó características de la retina, incluido el ancho de la arteriola y la vénula, en imágenes de la retina capturadas con imágenes digitales de fondo de ojo. Los riesgos de CVD de los participantes también se calcularon utilizando funciones de predicción de riesgo CV, como la puntuación de riesgo de Framingham. El rendimiento de los tres modelos se comparó por el área bajo la curva característica operativa del receptor (AUC). [PLoS One 2023;18:e0281701]

En el estudio participaron 115 pacientes seropositivos (edad media, 53,7 años; hombres, 88,7 %; duración media desde el diagnóstico de VIH, 12 años) que fueron tratados en el Hospital Prince of Wales, Hong Kong, entre febrero de 2019 y febrero de 2021. dolor (17,4 por ciento) o ≥ 1 factor de riesgo cardíaco (diabetes, 40,0 por ciento; hipertensión, 45,2 por ciento; dislipidemia, 45,2 por ciento; obesidad, 54,8 por ciento). La angiografía por tomografía computarizada coronaria mostró aterosclerosis coronaria y obstrucción de la arteria coronaria en el 61,7 por ciento y el 20,0 por ciento de los participantes, respectivamente.

Para la detección de aterosclerosis coronaria, el modelo ARIA superó al modelo basado solo en factores de riesgo CV convencionales (modelo ARIA: AUC, 0,979; intervalo de confianza del 95 por ciento [CI]0,960–0,998) (modelo convencional: AUC,
0,746; IC del 95 por ciento, 0,652–0,841). El modelo ARIA mostró una sensibilidad del 91,5 por ciento y una especificidad del 88,6 por ciento, mientras que el modelo tradicional mostró una sensibilidad del 81,7% y una especificidad del 54,5%.
El rendimiento mejoró aún más cuando ARIA se combinó con factores de riesgo convencionales (AUC, 0,987; IC del 95 por ciento, 0,973-1,00), con
Sensibilidad y especificidad 93,0 por ciento Y
93,2 por ciento, respectivamente.

La detección de obstrucción CAD fue similar entre los grupos de muestra (AUC,
0,991 IC del 95 por ciento, 0,978-1,000) y el modelo ARIA (AUC,
0,986; IC del 95 por ciento, 0,970-1,000). Ambos modelos basados ​​en ARIA funcionaron mejor que los factores de riesgo tradicionales solos (AUC, 0,777; IC 95 %, 0,672–0,883).

Nuestro estudio mostró que el análisis de imágenes retinales basado en el aprendizaje automático [ie, ARIA] Puede mejorar la evaluación del riesgo de aterosclerosis coronaria y CAD obstructiva en pacientes con VIH de alto riesgo», concluyeron los investigadores.