La IA detecta signos tempranos de envejecimiento a partir de radiografías de tórax

La edad cronológica no siempre refleja la velocidad real del envejecimiento corporal, y las pruebas actuales de edad biológica suelen basarse en marcadores genéticos que pueden pasar por alto un deterioro temprano a nivel de órganos. Detectar cambios sutiles relacionados con la edad antes de que aparezcan los síntomas es fundamental para prevenir enfermedades cardiovasculares y pulmonares. Un nuevo estudio muestra ahora que la inteligencia artificial (IA) puede extraer señales de envejecimiento directamente a partir de radiografías de tórax estándar, ofreciendo una forma más sensible de detectar el envejecimiento cardiopulmonar temprano que los relojes epigenéticos de uso generalizado.

Para el estudio, investigadores del Hinda and Arthur Marcus Institute for Aging Research (Boston, MA, EUA), junto con colaboradores, utilizaron datos del estudio estadounidense Project Baseline Health Study. El equipo desarrolló un modelo de aprendizaje profundo que analiza radiografías de tórax rutinarias para estimar la edad biológica a partir de cambios sutiles a nivel estructural y tisular. En lugar de basarse en patrones de metilación del ADN, el modelo evalúa las características relacionadas con la edad en el corazón, los pulmones y la anatomía circundante visibles en las imágenes. Esto le permite capturar procesos de envejecimiento funcional y estructural que aún no se reflejan en biomarcadores moleculares.

La métrica derivada de IA, conocida como CXR-Age, se comparó con dos relojes epigenéticos basados en ADN establecidos: Horvath Age y DNAm PhenoAge. Los investigadores evaluaron la correlación de cada método con los marcadores tempranos de enfermedades relacionadas con el envejecimiento, centrándose en la salud cardiopulmonar y los indicadores sistémicos de deterioro. Al utilizar una prueba de imagen ampliamente disponible y de bajo costo, este enfoque tiene el potencial de integrarse sin dificultad en la práctica clínica rutinaria, sin necesidad de procedimientos invasivos adicionales ni de pruebas de laboratorio especializadas.

Los investigadores analizaron datos de 2.097 adultos inscritos en el Estudio de Salud del Proyecto Baseline y evaluaron las asociaciones entre las medidas de edad biológica y los marcadores de enfermedades subclínicas. CXR-Age mostró fuertes vínculos con la calcificación de las arterias coronarias, la reducción de la función pulmonar, una mayor fragilidad y niveles más altos de proteínas asociadas con la inflamación y el envejecimiento. Por el contrario, los relojes epigenéticos mostraron asociaciones más débiles o inconsistentes, especialmente en participantes de mediana edad. Esto sugiere que la IA basada en imágenes puede captar signos más tempranos y clínicamente más relevantes del envejecimiento de los órganos.

Los hallazgos, publicados en The Journals of Gerontology, indican que el análisis de radiografías de tórax mediante IA podría servir como un indicador más práctico y sensible del envejecimiento cardiopulmonar que los métodos actuales basados en ADN. Estas herramientas podrían ayudar a identificar a las personas con mayor riesgo de enfermedades relacionadas con la edad antes de que aparezcan los síntomas clínicos. Los investigadores sugieren que este enfoque podría complementar las evaluaciones de riesgo tradicionales y respaldar estrategias de atención médica preventiva más personalizadas. En futuros trabajos se explorará el rendimiento de CXR-Age en diversas poblaciones y si puede orientar las decisiones de intervención temprana.

“Estos hallazgos sugieren que el aprendizaje profundo aplicado a imágenes médicas comunes puede revelar cómo envejecen nuestros órganos, información que algún día podría ayudar a los médicos a identificar a las personas en riesgo de enfermedades relacionadas con la edad antes de que aparezcan los síntomas”, afirmó el Dr. Douglas P. Kiel, MD, MPH, coautor del estudio. “Herramientas de IA como esta podrían convertirse en un complemento importante para las evaluaciones de riesgo tradicionales”.

Enlaces relacionados:
Hinda and Arthur Marcus Institute for Aging Research