Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

MedImaging

Deascargar La Aplicación Móvil
Noticias Recientes Radiografía RM Ultrasonido Medicina Nuclear Imaginología General TI en Imaginología Industria

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

Por el equipo editorial de MedImaging en español
Actualizado el 16 Aug 2024

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.


Imagen: El análisis automatizado de TC multiorgánico identificó a personas con alto riesgo de diabetes y afecciones asociadas (foto cortesía de Shutterstock)
Imagen: El análisis automatizado de TC multiorgánico identificó a personas con alto riesgo de diabetes y afecciones asociadas (foto cortesía de Shutterstock)

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


New
Miembro Oro
X-Ray QA Meter
T3 AD Pro
NMUS & MSK Ultrasound
InVisus Pro
New
Portable X-ray Unit
AJEX130HN
New
Portable Color Doppler Ultrasound Scanner
DCU10

Últimas Imaginología General noticias

Algoritmo de IA reduce la exposición innecesaria a la radiación en las TC neurorradiológicas traumáticas

Nueva solución mejora el control de calidad y diagnóstico basados en IA en imágenes médicas

Herramienta de IA detecta fracturas de la columna cervical a partir de tomografías computarizadas