Un algoritmo de IA predice las condiciones crónicas a partir de los exámenes de TC

Los algoritmos de inteligencia artificial (IA) pueden aprovechar los datos de las tomografías computarizadas (TC) existentes para identificar a los pacientes con riesgo de fracturas osteoporóticas y de enfermedades cardiovasculares (ECV).

Los algoritmos, desarrollados por Zebra Medical Vision (Shefayim, Israel), se basan en bases de datos anónimas de imágenes médicas y datos clínicos que se usaron para entrenarlos para descubrir enfermedades crónicas mediante el análisis automatizado de imágenes. El motor del algoritmo Zebra se puede implementar tanto en la nube como en las configuraciones en el sitio, y está diseñado para integrarse en los sistemas de comunicación y archivo de imágenes (PACS), los sistemas de información radiológica (RIS) y los sistemas de historias clínicas electrónicas (HCE).


Dos estudios recientes realizados por Clalit Health Services (Tel Aviv, Israel), que posee y opera 1.500 clínicas de atención primaria y 14 hospitales en Israel, que tratan a más de 4 millones de pacientes, validaron que los algoritmos pueden predecir con éxito las fracturas osteoporóticas y la ECV. El primer estudio incluyó un análisis retrospectivo de 48.227 pacientes con TC abdominales, con el fin de identificar marcadores de riesgo radiológico de fracturas osteoporóticas mayores y específicas de la cadera. Los resultados mostraron que los algoritmos Zebra-Med lograron una estratificación de riesgo equivalente al sistema de puntuación de la herramienta de evaluación de riesgo de fractura (FRAX) contemporánea.

El segundo estudio retrospectivo de cinco años, que incluyó a 14.135 pacientes con tomografías computarizadas (TAC) de tórax no sincronizadas, sin realce, examinó el poder predictivo cardiovascular del algoritmo de puntuación de calcio coronario automático (CCS) Zebra-Med y encontró que produjo un aumento neto de 4,5% en la mejora de la reclasificación de riesgo categórico. Al emplear los algoritmos de Zebra, los departamentos de radiología sobrecargados pueden aumentar la eficiencia. Ambos estudios se presentaron en el congreso anual de la Sociedad Radiológica de América del Norte (RSNA) de 2018, celebrado en noviembre de 2018 en Chicago (IL, EUA).

“Si bien hay un número cada vez mayor de aplicaciones de IA en imagenología con el objetivo de imitar y automatizar la lectura del radiólogo humano, existe un mayor potencial sin explotar en estos estudios. Uno puede usar la inteligencia artificial para extraer información predictiva no disponible hasta la fecha que respalde las intervenciones de salud de la población de alto impacto para hacer frente a las enfermedades crónicas”, dijo el profesor Ran Balicer, MD, director del Instituto de Investigación de Clalit. “Estamos satisfechos con los resultados de estos dos proyectos de investigación innovadores y deseamos ponerlos en práctica”.

Enlace relacionado:
Zebra Medical Vision
Clalit Health Services