Herramienta de IA ayuda a identificar el riesgo de insuficiencia cardíaca en pacientes con diabetes

La miocardiopatía diabética es una enfermedad cardíaca caracterizada por cambios anormales en la estructura y función del corazón, lo que aumenta el riesgo de insuficiencia cardíaca en los pacientes. Definir esta enfermedad ha sido un desafío debido a sus etapas iniciales asintomáticas y los diversos efectos que puede tener en el corazón. El aprendizaje automático ha surgido como una herramienta para identificar a los pacientes de alto riesgo, proporcionando potencialmente un enfoque más matizado en comparación con los métodos diagnósticos tradicionales. Los investigadores ahora han creado un modelo de aprendizaje automático capaz de identificar a los pacientes con miocardiopatía diabética. Los hallazgos, publicados en el European Journal of Heart Failure, presentan una estrategia basada en datos para detectar un fenotipo de miocardiopatía diabética de alto riesgo, lo que facilita las intervenciones tempranas que podrían ayudar a prevenir la insuficiencia cardíaca en este grupo vulnerable.

Los fenotipos se refieren a las características físicas observables de los individuos que confieren rasgos biológicos específicos. Los investigadores del UT Southwestern Medical Center (Dallas, TX, EUA) analizaron datos de la cohorte "Atherosclerosis Risk in Communities", que constaba de más de 1.000 participantes con diabetes pero sin antecedentes de enfermedad cardiovascular. Al examinar un conjunto de 25 parámetros ecocardiográficos y biomarcadores cardíacos, el equipo identificó tres subgrupos de pacientes. Uno de estos subgrupos, que comprendía el 27 % de la cohorte, se clasificó como el fenotipo de alto riesgo. Los pacientes de este grupo mostraron niveles significativamente elevados de NT-proBNP, un biomarcador asociado con el estrés cardíaco, junto con características anormales de remodelación cardíaca, como aumento de la masa ventricular izquierda y deterioro de la función diastólica. Cabe destacar que la incidencia de insuficiencia cardíaca a cinco años en este subgrupo fue del 12,1 %, que fue considerablemente más alta que en los otros grupos.

Tras estos hallazgos, los investigadores desarrollaron un clasificador de redes neuronales profundas para identificar la miocardiopatía diabética. Cuando se validó en cohortes adicionales, el modelo detectó que entre el 16 % y el 29 % de los pacientes diabéticos tenían el fenotipo de alto riesgo. Estos pacientes mostraron consistentemente una mayor incidencia de insuficiencia cardíaca. Clínicamente, este modelo podría ayudar a dirigir terapias preventivas intensivas, como los inhibidores de SGLT2, que son medicamentos utilizados para controlar la diabetes tipo 2, a los pacientes que tienen más probabilidades de beneficiarse. También podría mejorar los ensayos clínicos enfocados en estrategias de prevención de insuficiencia cardíaca en pacientes diabéticos. Al ofrecer un nuevo método para identificar a las personas en riesgo de insuficiencia cardíaca, el modelo podría permitir intervenciones más tempranas y proactivas, mejorando así los resultados de los pacientes e influyendo en futuras investigaciones en el cuidado cardiovascular.

“Esta investigación es notable porque utiliza el aprendizaje automático para proporcionar una caracterización integral de la miocardiopatía diabética (una afección que carecía de una definición consensuada) e identifica un fenotipo de alto riesgo que podría orientar estrategias de prevención de la insuficiencia cardíaca más específicas en pacientes con diabetes”, dijo el autor principal Ambarish Pandey, MD, profesor asociado de Medicina Interna en la División de Cardiología de UT Southwestern. “Esto se basa en nuestro trabajo anterior que evaluó la prevalencia y las implicaciones pronósticas de la miocardiopatía diabética en adultos que viven en la comunidad. Amplía esos esfuerzos al utilizar el aprendizaje automático para identificar un fenotipo de miocardiopatía de alto riesgo más específico”.

Visitar la expo >

Miembro Oro

VISOR EN PANTALLA DE DIAGNÓSTICO EN TIEMPO REAL

GEMweb Live

Flocked Fiber Swabs
Puritan® patented HydraFlock®

New

Anterior Cervical Plate System

XTEND

New

Hospital Bed

Alphalite