Este sistema permite un diagnóstico automático de esta afección en consultas
12 de julio de 2023
La
tortuosidad de las arterias
coronarias es una condición poco frecuente, donde las arterias parecen “retorcerse” y es un factor de riesgo de sufrir un infarto o un aneurisma. Para detectarlo, cuando un paciente presenta síntomas de enfermedad coronaria, se realiza una angiografía coronaria (una prueba diagnóstica donde se utiliza un contraste para estudiar los vasos sanguíneos que no son visibles con los rayos X convencionales), sin embargo, la detección de la tortuosidad arterial requiere de un examen exhaustivo y largo por parte de los cardiólogos.
Por ello, un equipo investigador del Instituto de Física de Cantabria (IFCA), centro mixto del CSIC y la Universidad de Cantabria, formado por Miriam Cobo, Lara Lloret, y Ignacio Heredia, con la colaboración de la
Universidad Católica del Maule, la Universidad Autónoma de Chile, el Hospital Regional de Talca y la Universidad de Oviedo, han desarrollado un modelo de
inteligencia artificial
basado en aprendizaje profundo (deep learning), capaz de detectar la tortuosidad coronaria con mayor rapidez y misma precisión que un especialista. El trabajo se ha publicado en la
revista científica Scientific Reports (Nature).
Miriam Cobo ha desarrollado, junto a Lara Lloret e Ignacio Heredia, este modelo de aprendizaje profundo (deep learning). / IFCA.
"Nuestro objetivo es analizar la tortuosidad de las arterias coronarias en la angiografía coronaria con técnicas de inteligencia artificial, para desarrollar un algoritmo capaz de detectar automáticamente esta condición en los pacientes”, explica
Miriam Cobo, investigadora en el Grupo de Computación y e-Ciencia del IFCA.
Para ello, el equipo investigador ha utilizado técnicas de aprendizaje profundo, en concreto, las llamadas
redes neuronales convolucionales, para clasificar a los pacientes en tortuosos o no tortuosos, en función de su angiografía coronaria.
El modelo desarrollado se ha entrenado durante dos años con
658 angiografías coronarias de 401 pacientes seleccionados de una base de datos de 18.000 personas, y que acudieron entre 2016 y 2022 al Hospital de Talca (Chile), con síntomas de padecer una enfermedad coronaria.
Durante el estudio se observó que estas redes neuronales de aprendizaje profundo entrenadas, tenían una sensibilidad y precisión comparables con el examen visual que realizan los cardiólogos a la hora de detectar la tortuosidad de la arteria coronaria en consultas. Además, el modelo de aprendizaje profundo
solo requiere una única imagen para realizar la detección de tortuosidad, mientras que el especialista examina toda la secuencia de vídeo para realizar el diagnóstico. Por tanto, la investigación ha logrado desarrollar, a través de imágenes,
un modelo de aprendizaje basado en imágenes que mejora la eficiencia del diagnóstico.
Ejemplos de angiografías coronarias izquierdas de pacientes con tortuosidad de la arteria coronaria (a-b-c), y sin tortuosidad coronaria (d-e-f). / Nature.
La inteligencia artificial, un apoyo en hospitales
Las imágenes médicas desempeñan ya un papel clave en la medicina actual para la monitorización, el diagnóstico y la evaluación de distintos tratamientos personalizados. Y
la inteligencia artificial en este campo puede servir de apoyo, a través de las redes neuronales convolucionales, para la clasificación y la detección de enfermedades con mayor rapidez. “Creemos que este modelo puede servir como primer cribado para predecir la probabilidad de que un paciente sea diagnosticado de tortuosidad coronaria, ofreciendo una ayuda extra a los cardiólogos especialistas. Además, creemos que este estudio podría ayudar a seguir validando futuras aplicaciones de técnicas de IA en cardiología”, afirma Cobo.
Para la investigadora este sistema de aprendizaje profundo tiene un futuro prometedor, y no solo en el campo de la cardiología, “próximamente lo aplicaremos en el estudio de imágenes de pacientes con cáncer de pulmón”, anuncia.
Rebeca García / IFCA Comunicación
