IA para mejorar el infradiagnóstico de la enfermedad cardíaca en mujeres

La Inteligencia Artificial (IA) se está convirtiendo en un gran aliado en muchos sectores de la población, debido a su capacidad de análisis y de proporcionar información. Uno de estos sectores es el de la medicina, en el que cada vez se emplea con más frecuencia para ayudar a los diagnósticos, crear nuevas herramientas o investigar. Ahora, podría emplearse para ayudar a mejorar el infradiagnóstico de la enfermedad cardiaca en mujeres.

Anatómicamente, los corazones femeninos y masculinos son diferentes. Ejemplo de ello es su tamaño, pues los femeninos son más pequeños y tienen paredes más delgadas. Sin embargo, a pesar de la clara diferencia, los criterios de diagnóstico para ciertas enfermedades cardiacas son los mismos para mujeres y hombres.

Esto se traduce en que los corazones de las mujeres deben aumentar desproporcionadamente más que los de los hombres antes de que se cumplan los mismos criterios de riesgo. Así, las enfermedades cardiovasculares en las mujeres están infradiagnosticadas en comparación con los hombres, lo que evidencia la necesidad de desarrollar herramientas que midan esta cuestión.

Un sistema de puntuación popular empleado para estimar la probabilidad de que una persona desarrolle una enfermedad cardiovascular en los próximos diez años es la puntuación de riesgo de Framingham. Esta se basa en factores que incluyen la edad, el sexo, los niveles de colesterol y la presión arterial.

Sin embargo, un grupo de investigadores de EE.UU. y Países Bajos han buscado crear modelos de riesgo cardiovascular más precisos que la puntuación de riesgo de Framingham, para lo que emplearon un gran conjunto de datos. A su vez, cuantificaron también el infradiagnóstico de las mujeres en comparación con los hombres.

Descubrimos que los criterios neutrales al sexo no logran diagnosticar adecuadamente a las mujeres. Si se utilizaran criterios específicos de sexo, este infradiagnóstico sería menos grave, afirma Skyler St. Pierre, investigador del Living Matter Lab de la Universidad de Stanford (Estados Unidos). También descubrimos que el mejor examen para mejorar la detección de enfermedades cardiovasculares tanto en hombres como en mujeres es el electrocardiograma (EKG).

Cuando los investigadores cuantificaron el infradiagnóstico de las mujeres en comparación con los hombres, descubrieron que el uso de criterios neutrales en cuanto al sexo conduce a un infradiagnóstico grave de las pacientes femeninas.

Las mujeres están infradiagnosticadas de bloqueo auriculoventricular (AV) de primer grado, un trastorno que afecta los latidos del corazón, y miocardiopatía dilatada, una enfermedad del músculo cardíaco, dos veces y 1,4 veces más que los hombres, respectivamente, comenta St. Pierre. También se encontró un infradiagnóstico de las mujeres para otros trastornos cardiacos.

Para lograr predicciones más precisas para ambos sexos, los científicos aprovecharon cuatro métricas adicionales que no se consideran en la puntuación de riesgo de Framingham: resonancia magnética cardíaca, análisis de ondas de pulso, electrocardiogramas y ecografías carotídeas.

A su vez, emplearon datos de más de 20.000 personas del Biobanco del Reino Unido que se habían sometido a estas pruebas. Si bien los modelos clínicos tradicionales son fáciles de usar, ahora podemos utilizar el aprendizaje automático para analizar miles de otros factores posibles y encontrar características nuevas y significativas que podrían mejorar significativamente la detección temprana de enfermedades, expone St. Pierre.

Hasta hace apenas diez años, estos métodos no estaban disponibles, lo que hacía que escalas de evaluación como el Framingham Risk Score se utilizan desde hace medio siglo. Empleando el aprendizaje automático, los investigadores determinaron que, de las métricas probadas, los electrocardiógrafos eran los más eficaces para mejorar la detección de enfermedades cardiovasculares, tanto en hombres como en mujeres.

Sin embargo, según los investigadores, esto no quiere decir que los factores de riesgo tradicionales no sean herramientas importantes para la evaluación de riesgos. “Proponemos que los médicos primero evalúen a las personas mediante una encuesta simple con factores de riesgo tradicionales y luego realicen una segunda etapa de detección mediante electrocardiogramas para los pacientes de mayor riesgo”.

El estudio supone el primer paso para repensar los factores de riesgo de enfermedad cardiaca. Aprovechar las nuevas tecnologías es una forma prometedora de mejorar la predicción de riesgos. Aún así, el estudio tiene algunas limitaciones que deberían abordarse en el futuro.

Una de ellas es el hecho de que en el Biobanco del Reino Unido, el sexo se trata como una variable binaria. Sin embargo, el sexo es intrínsicamente complejo y se relaciona con hormonas, cromosomas y características físicas. Todas ellas pueden caer en algún lugar de un espectro entre lo masculino y femenino.

Además, la población del estudio eran personas de mediana edad y mayores que residían en Reino Unido, por lo que es posible que los resultados no sean transferibles a personas de otros orígenes y edades. Si bien la medicina específica para cada sexo es un paso en la dirección correcta, la medicina específica para cada paciente proporcionaría los mejores resultados para todos, concluye St. Pierre.

Dejá un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *