– Una investigación reciente de Rutgers, la Universidad Estatal de Nueva Jersey, describió cómo la inteligencia artificial (IA) y el aprendizaje automático (ML) podrían ser usado para examinar los genes dentro del ADN, información que puede ayudar a los médicos a predecir enfermedades cardiovasculares como la fibrilación auricular y la insuficiencia cardíaca.
De acuerdo con la Centros para el Control y la Prevención de Enfermedades (CDC)la enfermedad cardiaca es la principal causa de muerte de personas de la mayoría de los grupos étnicos en los EE. UU. y se cobra la vida de una persona cada 34 segundos.
Además, el comunicado de prensa señaló que alrededor del 50 por ciento de los pacientes con enfermedades cardiovasculares mueren dentro de los cinco años posteriores al diagnóstico, a menudo debido a factores genéticos o ambientales.
Sin embargo, la Organización Mundial de la Salud también estimó que más del 75 por ciento de las enfermedades cardiovasculares prematuras se pueden prevenir, según el estudio de Rutgers. publicado en Genómica.
“La comprensión oportuna y el tratamiento preciso de las enfermedades cardiovasculares beneficiarán en última instancia a millones de personas al reducir el alto riesgo de mortalidad y mejorar la calidad de vida”, dijo Zeeshan Ahmed, PhD, miembro principal de la facultad del Instituto Rutgers para la Salud, Política de atención médica. and Aging Research (IFH) y autor principal del estudio, en un comunicado de prensa.
Para avanzar en el diagnóstico temprano y el tratamiento de la enfermedad cardiovascular, los investigadores de Rutgers utilizaron modelos de IA y ML para identificar genes que pueden tener una relación con la enfermedad cardiovascular.
Los investigadores analizaron pacientes sanos y pacientes con enfermedades cardiovasculares. Utilizaron modelos de IA y ML para determinar la asociación entre genes y diversas manifestaciones de la enfermedad, incluida la fibrilación auricular y la insuficiencia cardíaca.
Identificaron un grupo de genes asociados con la enfermedad cardiovascular. También encontraron que los factores de edad, género y raza contribuyeron a la enfermedad cardiovascular. Específicamente, la edad y el sexo se correlacionaron con la insuficiencia cardíaca, y la edad y la raza fueron factores más prominentes en la fibrilación auricular.
“Con la ejecución exitosa de nuestro modelo, predijimos la asociación de genes de enfermedades cardiovasculares altamente significativos vinculados a variables demográficas como la raza, el género y la edad”, dijo Ahmed en un comunicado de prensa.
Los investigadores señalaron que la investigación adicional debe revisar conjuntos completos de genes en pacientes con enfermedades cardiovasculares, ya que esta información puede proporcionar información valiosa sobre biomarcadores y factores de riesgo.
Este es el último ejemplo del uso de la IA para mejorar la atención clínica.
Un estudio de septiembre de 2022 encontró que una estrategia de detección basada en IA podría usar datos de electrocardiograma para determinar con éxito el riesgo de un derrame cerebral.
Después de analizar a 1003 pacientes que participaron en la monitorización continua y a 1003 pacientes que recibieron atención estándar, los investigadores encontraron que un algoritmo de IA detectó fibrilación auricular en seis de los 370 pacientes de bajo riesgo y en 48 de los 633 pacientes de alto riesgo.
A partir de estos hallazgos, los investigadores concluyeron que la herramienta de detección guiada por IA aumentó efectivamente la detección de fibrilación auricular.
Otra investigación de abril de 2022 encontró que un sistema de inteligencia artificial mejoró la precisión de los diagnósticos de enfermedades cardíacas en ultrasonidos.
Los investigadores expusieron un modelo de IA a miles de imágenes de ultrasonido saludables y no saludables. Estas decisiones tomadas por el modelo de IA luego fueron sujetas a un aprendizaje profundo adicional para mejorar la precisión.
Después del siguiente paso, que incluyó diagnósticos de expertos con y sin asistencia del modelo de IA, los investigadores descubrieron que los gráficos de decisiones basados en IA ayudaron a aumentar la precisión del diagnóstico.
