Aplicando un modelo de inteligencia artificial a la información de una tomografía por emisión de positrones (PET) y de tomografía computarizada (TC), los médicos pueden mejorar la predicción de los ataques cardíacos, según una investigación publicada en ‘The Journal of Nuclear Medicine’, y en la que ha participado la Sociedad de Medicina Nuclear e Imágenes Moleculares de Estados Unidos.

Cuando se evaluaron conjuntamente en un modelo de inteligencia artificial, la captación coronaria en la PET y las características cuantitativas de la placa coronaria en la angiografía por TC resultaron ser predictores fuertes y complementarios del riesgo de infarto en pacientes con enfermedad coronaria establecida, proporcionando una predicción del riesgo superior a la de los datos clínicos por sí solos.

En la práctica clínica diaria, la predicción de un ataque al corazón es un reto. Suele basarse en los factores y puntuaciones de riesgo cardiovascular, especialmente en pacientes con sospecha de enfermedad arterial coronaria. Sin embargo, en los pacientes con enfermedad coronaria confirmada, los factores de riesgo cardiovascular y las puntuaciones no siempre muestran la imagen completa.

“Recientemente, las técnicas avanzadas de imagen han demostrado ser muy prometedoras para determinar qué pacientes con enfermedad arterial coronaria tienen más riesgo de sufrir un infarto. Estas técnicas incluyen la PET con fluoruro de sodio 18F (18F-NaF), que evalúa la actividad de la enfermedad en las arterias coronarias, y la angiografía por TC, que proporciona un análisis cuantitativo de la placa”, ha afirmado el investigador Piotr J. Slomka, director de Innovación en Imagen del Centro Médico Cedars-Sinai de Los Ángeles, en California (Estados Unidos).

“Nuestro objetivo en el estudio era investigar si la información proporcionada por la PET 18F-NaF y la angiografía por TC es complementaria y podría mejorar la predicción de los infartos con el uso de técnicas de inteligencia artificial”, ha expresado.

En el estudio participaron casi 300 pacientes con aterosclerosis coronaria establecida. Todos los pacientes se sometieron a una evaluación clínica inicial con valoración de su perfil de factores de riesgo cardiovascular y recibieron una PET coronaria híbrida con 18F-NaF y una angiografía coronaria con TC de contraste.

Se utilizó el aprendizaje automático (un tipo de inteligencia artificial) para calcular una puntuación conjunta del riesgo de infarto incorporando las variables clave de la evaluación clínica, los resultados de la PET con 18F-NaF y las variables cuantitativas de la TC.

El modelo de aprendizaje automático mostró una mejora sustancial en la predicción del ataque al corazón respecto a los datos clínicos por sí solos. Este enfoque demostró que la PET 18F-NaF y la angiografía por TC son complementarias, y que la combinación de ambas proporciona la predicción de resultados más sólida.

“La PET con 18F-NaF combinada con las imágenes anatómicas proporcionadas por la angiografía por TC tiene el potencial de permitir la medicina de precisión al guiar el uso de intervenciones terapéuticas avanzadas”, ha señalado Slomka. “Nuestro estudio apoya el uso de métodos de inteligencia artificial para integrar imágenes multimodales y datos clínicos para una predicción robusta de los ataques cardíacos”, concluye.

Fuente: infosalus.com