IA utiliza datos de tomografía computarizada de pulmón para predecir riesgo de muerte por cáncer y enfermedad cardiovascular

El Grupo de Trabajo de Servicios Preventivos de EUA recomienda exámenes de exploración de pulmón anuales con TC de dosis baja (TCBD) para personas de 50 a 80 años con alto riesgo de cáncer de pulmón, como los fumadores de largo plazo. Estas exploraciones, aunque se centran en los pulmones, también ofrecen información sobre otras estructuras torácicas. Ahora, un nuevo estudio ha revelado que la inteligencia artificial (IA) puede aprovechar los datos de estas tomografías computarizadas de baja dosis de los pulmones para mejorar las predicciones de riesgo de muerte por cáncer de pulmón, enfermedades cardiovasculares y otras causas.

Investigadores de la Universidad de Vanderbilt (Nashville, TN, EUA) desarrollaron, probaron y lanzaron públicamente anteriormente un algoritmo de IA que extrae automáticamente las mediciones de la composición corporal de las TCBD utilizadas en la exploración pulmonar. La composición corporal se refiere al porcentaje de grasa, músculo y hueso en el cuerpo. La composición corporal anormal, como la obesidad o la pérdida de masa muscular, se asocia con condiciones de salud crónicas, incluidos los trastornos metabólicos. Una investigación anterior demostró que la composición corporal es valiosa para la estratificación del riesgo y el pronóstico de las enfermedades cardiovasculares y la enfermedad pulmonar obstructiva crónica. En la terapia del cáncer de pulmón, se ha demostrado que la composición corporal influye en la supervivencia y la calidad de vida.

En el nuevo estudio, los investigadores evaluaron el valor agregado de las mediciones de la composición corporal derivadas de la IA mediante el examen de tomografías computarizadas de más de 20.000 personas del Estudio Nacional de Detección Pulmonar. Sus hallazgos mostraron que la incorporación de estas medidas mejoró la predicción del riesgo de muerte por cáncer de pulmón, enfermedad cardiovascular y mortalidad por todas las causas. Las mediciones asociadas con la grasa dentro del músculo fueron predictores particularmente fuertes de mortalidad, lo cual está en línea con la investigación existente. La infiltración del músculo esquelético con grasa, una condición conocida como miosteatosis, ahora se considera más predictiva para los resultados de salud que la masa muscular reducida.

El uso de mediciones de la composición corporal de la TCBD de exploracón pulmonar sirve como un ejemplo de detección oportunista, donde las imágenes destinadas a un propósito brindan información sobre otras afecciones. Esta práctica se considera muy prometedora para el uso clínico de rutina. Este estudio evaluó a los individuos solo en una evaluación inicial. Para futuras investigaciones, los científicos tienen como objetivo realizar un estudio longitudinal, rastreando a las personas a lo largo del tiempo para observar cómo los cambios en la composición corporal se relacionan con los resultados de salud.

"La composición corporal automática de la IA amplía potencialmente el valor de la exploración pulmonar con TC de dosis baja más allá de la detección temprana del cáncer de pulmón", dijo el autor principal del estudio, Kaiwen Xu, candidato a Ph.D. en el Departamento de Ciencias de la Computación en la Universidad de Vanderbilt. "Puede ayudarnos a identificar a las personas de alto riesgo para intervenciones como acondicionamiento físico o modificaciones en el estilo de vida, incluso en una etapa muy temprana antes del inicio de la enfermedad".

Enlaces relacionados:
Universidad de Vanderbilt  

Visitar la expo >

New

Mobile Cath Lab

Photon F65/F80

Multi-Use Ultrasound Table

Clinton

X-ray Diagnostic System

FDX Visionary-A

Ultrasound Imaging System

P12 Elite