Enviar una “selfie” al médico podría ser una forma barata y sencilla de detectar enfermedades cardíacas, según los autores de un nuevo estudio publicado el viernes pasado en el European Heart Journal.
El estudio es el primero en demostrar que es posible utilizar un algoritmo informático de aprendizaje profundo para detectar la enfermedad de las arterias coronarias (CAD) mediante el análisis de cuatro fotografías de la cara de una persona.
Aunque el algoritmo debe desarrollarse más y probarse en grupos más grandes de personas de diferentes orígenes étnicos, los investigadores dicen que tiene el potencial de usarse como una herramienta de detección que podría identificar una posible enfermedad cardíaca en personas de la población general o en personas en grupos de alto riesgo, que podrían ser remitidos para más investigaciones clínicas.
“Hasta donde sabemos, este es el primer trabajo que demuestra que la inteligencia artificial se puede utilizar para analizar rostros para detectar enfermedades del corazón. Es un paso hacia el desarrollo de una herramienta basada en el aprendizaje profundo que podría utilizarse para evaluar el riesgo de enfermedades del corazón, ya sea en clínicas para pacientes ambulatorios o por medio de pacientes que se toman ‘selfies’ para realizar su propio cribado. Esto podría guiar más pruebas de diagnóstico o una visita clínica “, dijo el profesor Zhe Zheng, quien dirigió la investigación y es subdirector del Centro Nacional de Enfermedades Cardiovasculares y vicepresidente del Hospital Fuwai, Academia China de Ciencias Médicas y Colegio Médico Peking Union, Beijing, República Popular de China.
Continuó: “Nuestro objetivo final es desarrollar una aplicación autoinformada para las comunidades de alto riesgo para evaluar el riesgo de enfermedad cardíaca antes de visitar una clínica. Esto podría ser una forma barata, simple y eficaz de identificar a los pacientes que necesitan más investigación. Sin embargo, el algoritmo requiere un mayor refinamiento y validación externa en otras poblaciones y etnias “.
Ya se sabe que ciertos rasgos faciales están asociados con un mayor riesgo de enfermedad cardíaca. Estos incluyen adelgazamiento o canas, arrugas, pliegue del lóbulo de la oreja, xantelasmas (pequeños depósitos amarillos de colesterol debajo de la piel, generalmente alrededor de los párpados) y arco córneo (depósitos de grasa y colesterol que aparecen como un anillo opaco blanco, gris o azul brumoso) en los bordes exteriores de la córnea). Sin embargo, es difícil que los humanos los utilicen con éxito para predecir y cuantificar el riesgo de enfermedad cardíaca.
El profesor Zheng, el profesor Xiang-Yang Ji, director del Instituto de Cerebro y Cognición en el Departamento de Automatización de la Universidad de Tsinghua, Beijing, y otros colegas inscribieron a 5 mil 796 pacientes de ocho hospitales en China para el estudio entre julio de 2017 y marzo de 2019. Los pacientes fueron sometidos a procedimientos de imagen para investigar sus vasos sanguíneos, como angiografía coronaria o angiografía por tomografía computarizada coronaria (CCTA). Se dividieron aleatoriamente en grupos de entrenamiento (5216 pacientes, 90%) o de validación (580, 10%).
Enfermeras de investigación capacitadas tomaron cuatro fotografías faciales con cámaras digitales: una frontal, dos perfiles y una vista de la parte superior de la cabeza. También entrevistaron a los pacientes para recopilar datos sobre el estado socioeconómico, el estilo de vida y el historial médico. Los radiólogos revisaron los angiogramas de los pacientes y evaluaron el grado de enfermedad cardíaca según la cantidad de vasos sanguíneos que se habían estrechado en un 50% o más (estenosis ≥ 50%) y su ubicación. Esta información se utilizó para crear, entrenar y validar el algoritmo de aprendizaje profundo.
Luego, los investigadores probaron el algoritmo en otros 1.013 pacientes de nueve hospitales en China, inscritos entre abril de 2019 y julio de 2019. La mayoría de los pacientes en todos los grupos eran de etnia china Han.
Descubrieron que el algoritmo superó los métodos existentes para predecir el riesgo de enfermedad cardíaca (modelo Diamond-Forrester y la puntuación clínica del consorcio CAD). En el grupo de validación de pacientes, el algoritmo detectó correctamente la enfermedad cardíaca en el 80% de los casos (la tasa o sensibilidad verdadera positiva) y la enfermedad cardíaca detectada correctamente no estuvo presente en el 61% de los casos (la tasa verdadera negativa o ‘especificidad’). En el grupo de prueba, la sensibilidad fue del 80% y la especificidad fue del 54%.
El profesor Ji dijo: “El algoritmo tuvo un rendimiento moderado y la información clínica adicional no mejoró su rendimiento, lo que significa que podría usarse fácilmente para predecir una posible enfermedad cardíaca basándose únicamente en fotografías faciales. La mejilla, la frente y la nariz aportaron más información al algoritmo que a otras áreas faciales. Sin embargo, necesitamos mejorar la especificidad ya que una tasa de falsos positivos de hasta el 46% puede causar ansiedad e inconvenientes a los pacientes, así como sobrecargar potencialmente las clínicas con pacientes que requieren pruebas innecesarias “.
Además de requerir pruebas en otros grupos étnicos, las limitaciones del estudio incluyen el hecho de que solo un centro en el grupo de prueba era diferente a los centros que proporcionaron pacientes para desarrollar el algoritmo, lo que puede limitar aún más su generalización a otras poblaciones.
En un editorial adjunto, Charalambos Antoniades, profesor de medicina cardiovascular en la Universidad de Oxford, Reino Unido, y el Dr. Christos Kotanidis, un estudiante del doctorado que trabaja con el profesor Antoniades en Oxford, escriben: “En general, el estudio de Lin y sus colegas, destaca un nuevo potencial en el diagnóstico médico …… La solidez del enfoque de esta investigación radica en el hecho de que su algoritmo de aprendizaje profundo requiere simplemente una imagen facial como única entrada de datos, lo que la hace altamente y fácilmente aplicable a gran escala “.
Continúan: “El uso de selfies como método de detección puede permitir una manera simple pero eficiente de filtrar a la población en general hacia una evaluación clínica más integral. Este enfoque también puede ser muy relevante para las regiones del mundo que no cuentan con fondos suficientes y tienen programas de detección débiles para enfermedad cardiovascular. Un proceso de selección que se puede realizar tan fácilmente como tomarse una selfie permitirá un flujo estratificado de personas que ingresan a los sistemas de atención médica para las pruebas de diagnóstico de primera línea con CCTA. De hecho, las personas de ‘alto riesgo’ podrían tener una CCTA, que permitiría una estratificación de riesgo confiable con el uso de las nuevas metodologías impulsadas por IA para el análisis de imágenes CCTA “.
Destacan algunas de las limitaciones que el Prof. Zheng y el Prof. Ji también incluyen en su artículo. Estos incluyen la baja especificidad de la prueba, que la prueba debe mejorarse y validarse en poblaciones más grandes y que plantea cuestiones éticas sobre el “uso indebido de la información con fines discriminatorios. Difusión no deseada de datos confidenciales de los registros médicos, que se pueden extraer fácilmente a partir de una foto facial, convierte tecnologías como la que se analiza aquí en una amenaza significativa para la protección de datos personales, lo que podría afectar a las opciones de seguro. Estos temores ya se han expresado sobre el uso indebido de datos genéticos y deben revisarse ampliamente con respecto al uso de IA en medicina. “
Los autores del trabajo de investigación están de acuerdo en este punto. El profesor Zheng dijo: “Las cuestiones éticas en el desarrollo y la aplicación de estas nuevas tecnologías son de importancia clave. Creemos que la investigación futura sobre herramientas clínicas debe prestar atención a la privacidad, los seguros y otras implicaciones sociales para garantizar que la herramienta se utilice solo para fines médicos. propósitos “.
Más información: Shen Lin et al. Viabilidad del uso del aprendizaje profundo para detectar la enfermedad de las arterias coronarias según una foto facial, European Heart Journal (2020). DOI: 10.1093 / eurheartj / ehaa640
Con información de: Médical Xpress
