La IA supera a los humanos en predecir un ataque al corazón

Un algoritmo ha aprendido a predecir como identificar patrones de imágenes que se correlacionan con el ataque cardíaco y la muerte en pacientes cardíacos pudiendo la inteligencia artificial predecir estos eventos con una precisión superior a la de los médicos humanos, según un estudio presentado en la conferencia internacional de 2019 (ICNC) en Lisboa, Portugal

 

En la práctica actual, los médicos toman una serie de datos del paciente que precisa tratamiento cardiaco. Estos datos se basan en una serie de variables como pueden ser el peso, la edad y el estilo de vida. Sin embargo, no siempre tienen los niveles deseados de precisión. Un estudio de 2015 publicado en Annal of Internal Medicine encontró que cuatro de las cinco pruebas estándar de calificación de riesgo sobrestimaron el riesgo de enfermedad cardiovascular, lo que los investigadores sugirieron que podría conducir a resultados adversos como las prescripciones de ciertas terapias que el paciente realmente no necesita.

El estudio presentado en ICNC se realizo en Truku PET Center en Finlandia. Los investigadores inscribieron a 950 pacientes que se quejaban de dolor en el pecho, sometiéndose a una exploración para verificar la enfermedad coronaria. Sus resultados fueron rastreados durante seis años después de sus escaneos iniciales, en el transcurso de los cuales 24 de los pacientes tuvieron ataques cardíacos y 49 murieron por todas las causas.

Los pacientes primero se sometieron a una exploración coronaria por tomografía computarizada(CCTA), que arrojo 58 datos sobre la presencia de placa coronaria, estrechamiento de vasos y calcificación. También se obtuvieron diez variables clínicas a partir de registros médicos que incluyen sexo, edad, tabaquismo y diabetes.

Las 85 variables que fueron obtenidas se ingresaron en un programa de inteligencia artificial (IA) llamado LogiBoost. La IA analizo repetidamente las variables de imágenes y pudo aprender como interactuaban los datos de imágenes e identificar los patrones que predecían la muerte y el paro cardíaco con mas del 90%.

Cuando se agregaron datos de exploración PET, la precisión aumento al 92,5%. El rendimiento predictivo aumento significativamente cuando se agregaron datos de exploración CCTA a los datos clínicos y de pet, con una precisión del 95,4%.

El investigador postdocotoral del hospital de la universidad de Turku y autor del estudio, Luis Eduardo Juarez-Orozco, dijo:

“El algoritmo aprende progresivamente de los datos y, después de numerosas rondas de análisis, descubre los patrones de alta dimensión que deberían usarse para identificar eficientemente a los pacientes que tienen el evento. El resultado es una puntuación de riesgo individual”.

“Esto debería permitirnos personalizar el tratamiento y, en última instancia, conducir a mejores resultados para los pacientes”.

                            TAMBIÉN TE PUEDE INTERESAR…

Deja un comentario