Las tomografías computarizadas rutinarias pueden identificar a personas en riesgo de diabetes tipo 2

La creciente prevalencia de la diabetes y sus complicaciones ha generado la necesidad de explorar métodos diagnósticos avanzados que puedan mejorar la detección temprana y la evaluación del riesgo. Ahora, un nuevo estudio ha demostrado cómo las tomografías computarizadas (TC), que se utilizan habitualmente para cribados de salud, también pueden emplearse para identificar a individuos en riesgo de desarrollar diabetes tipo 2. Este concepto, conocido como imagenología oportunista, aprovecha los datos de imagen rutinarios para obtener información sobre la salud general de un paciente, aumentando el valor de las tomografías más allá de su uso tradicional.

En este estudio realizado en la Facultad de Medicina de la Universidad Sungkyunkwan (Seúl, Corea del Sur), los investigadores evaluaron el poder predictivo de los marcadores automatizados derivados de TC para la diabetes y sus afecciones relacionadas. La cohorte estuvo compuesta por 32.166 adultos, de 25 años o más, que se sometieron a exámenes de salud que incluyeron exploraciones PET/TC con 18F-fluorodesoxiglucosa (18F-FDG). Se emplearon algoritmos avanzados de aprendizaje profundo para realizar la segmentación 3D y la cuantificación de diversas características anatómicas, como la grasa visceral, la grasa subcutánea, la masa muscular, la densidad del hígado y el calcio aórtico a partir de las imágenes de TC. Al inicio del estudio, el el 6 % de los participantes vivían con diabetes y, durante un período de seguimiento medio de 7,3 años, el 9 % desarrolló la enfermedad.

Los hallazgos del estudio, publicado en la revista Radiology, revelaron que las tomografías computarizadas pueden identificar de manera efectiva a personas con riesgo elevado de diabetes y problemas de salud relacionados. Entre los marcadores derivados de la TC, la medición de la grasa visceral fue particularmente eficaz para predecir la probabilidad de desarrollar diabetes. Cuando este marcador se analizó junto con otros (área muscular, fracción de grasa hepática y calcificación aórtica), la precisión predictiva aumentó aún más. Los indicadores basados en TC también demostraron ser más eficaces que los factores de riesgo tradicionales para predecir afecciones asociadas con la diabetes, como el hígado graso identificado mediante ecografía, puntuaciones de calcio en las arterias coronarias superiores a 100, osteoporosis y sarcopenia. Estos conocimientos sugieren que los marcadores derivados de la TC podrían perfeccionar significativamente los enfoques tradicionales utilizados en la detección de diabetes y la estratificación del riesgo, ofreciendo una herramienta de evaluación más completa en entornos clínicos.

“Los resultados son alentadores ya que demuestran el potencial de ampliar el papel de la imagenología por TC, pasando del diagnóstico convencional de enfermedades al cribado proactivo oportunista. Este análisis de TC automatizado mejora la predicción de riesgos y las estrategias de intervención temprana para la diabetes y problemas de salud relacionados”, afirmó el autor principal del estudio, Seungho Ryu, MD, Ph.D., del Hospital Kangbuk Samsung de la Facultad de Medicina de la Universidad Sungkyunkwan. "Al integrar estas técnicas de imagen avanzadas en los cribados de salud oportunistas, los clínicos pueden identificar a individuos con alto riesgo de diabetes y sus complicaciones de manera más precisa y temprana que con el enfoque actual. Esto podría conducir a intervenciones más personalizadas y oportunas, mejorando en última instancia los resultados para los pacientes”.

Enlaces relacionados:
Facultad de Medicina de la Universidad Sungkyunkwan

Visitar la expo >

40/80-Slice CT System

uCT 528

New

HF Stationary X-Ray Machine

TR20G

Ultra-Flat DR Detector

meX+1717SCC

New

Ultrasound Needle Guide

Ultra-Pro 3