SCCT: La IA identifica pacientes cardíacos en riesgo a partir de imágenes de TC.
La IA puede ayudar a identificar a los pacientes que pueden beneficiarse de los servicios de cardiología preventiva a través de imágenes de TC, según sugieren los hallazgos presentados el 20 de julio del 2024 en la reunión anual de la Sociedad de Tomografía Computarizada Cardiovascular (SCCT) en Washington, DC.
Investigadores dirigidos por el Dr. Yaron Aviv, del Centro Médico Rabin en Tel Aviv, Israel, presentaron los resultados de un estudio en curso que muestra el potencial de la IA para predecir qué pacientes podrían utilizar servicios preventivos basados en una calcificación de la arteria coronaria baja, moderada y alta.
“Este estudio en curso indica que la cuantificación rutinaria de la calcificación de la arteria coronaria utilizando software de inteligencia artificial en tomografías computarizadas de tórax puede identificar a los pacientes que pueden beneficiarse de los servicios de cardiología preventiva y guiarlos hacia una vía de tratamiento cardíaco adecuada”, escribieron Aviv y sus colegas.
“Estudios anteriores han explorado el uso prometedor de la IA para analizar automáticamente la calcificación de las arterias coronarias, un biomarcador clave en la aterosclerosis, basándose en imágenes de TC de tórax.” Sociedad de Tomografía Computarizada Cardiovascular
Investigadores dirigidos por el Dr. Yaron Aviv, del Centro Médico Rabin en Tel Aviv, Israel, presentaron los resultados de un estudio en curso que muestra el potencial de la IA para predecir qué pacientes podrían utilizar servicios preventivos basados en una calcificación de la arteria coronaria baja, moderada y alta.
“Este estudio en curso indica que la cuantificación rutinaria de la calcificación de la arteria coronaria utilizando software de inteligencia artificial en tomografías computarizadas de tórax puede identificar a los pacientes que pueden beneficiarse de los servicios de cardiología preventiva y guiarlos hacia una vía de tratamiento cardíaco adecuada”, escribieron Aviv y sus colegas.
Estudios anteriores han explorado el uso prometedor de la IA para analizar automáticamente la calcificación de las arterias coronarias, un biomarcador clave en la aterosclerosis, basándose en imágenes de TC de tórax.
Aviv y sus coautores estudiaron el impacto de evaluar la calcificación de las arterias coronarias con IA para mejorar la asignación de terapias complementarias y una evaluación adicional. Utilizaron un software de inteligencia artificial patentado para estimar la calcificación a partir de tomografías computarizadas de tórax sin contraste y sin control.
El estudio organizó a los pacientes en tres grupos: calcificación baja, 0-99 unidades Agatston (AU); calcificación moderada, 100-399 AU; y calcificación alta, ≥ 400 AU. No incluyó pacientes con infarto de miocardio previo, intervención coronaria percutánea (ICP), injerto de derivación de arteria coronaria (CABG) y una esperanza de vida inferior a dos años.
El equipo invitó a pacientes clasificados con alta calcificación a una clínica dedicada para realizar una evaluación clínica y de factores de riesgo, comenzar a tomar la medicación adecuada y someterse a pruebas adicionales según fuera necesario. También informó a los médicos remitentes sobre el estado de calcificación de los pacientes con calcificación de la arteria coronaria de baja a moderada, fomentando la atención preventiva basada en guías.
El análisis final incluyó a 631 pacientes cuyos datos se recopilaron entre 2023 y 2024. Del total, 84 pacientes (13%) se clasificaron como con calcificación de la arteria coronaria alta, 163 (26%) como moderada y 348 (61%) como baja. Los investigadores asignaron objetivos apropiados para las lipoproteínas de baja densidad (LDL) e iniciaron estatinas o ajustaron la dosis cuando fue necesario.
Finalmente, 20 pacientes con alta calcificación fueron remitidos a imágenes de perfusión miocárdica, de los cuales dos fueron remitidos a angiografía coronaria invasiva. Uno de estos pacientes fue sometido a PCI mientras que el otro fue remitido para CABG.
El equipo del estudio pidió más estudios de seguimiento para evaluar el impacto clínico del modelo de IA.
Con información del siguiente artículo.
