El síndrome metabólico puede provocar ataques cardíacos, accidentes cerebrovasculares y otros problemas de salud graves. Afecta a una cuarta parte de la población mundial. En países como Estados Unidos, ese porcentaje asciende hasta más de un tercio de la población nacional.
Unos investigadores de la Clínica Mayo en Estados Unidos están utilizando inteligencia artificial en combinación con un escáner de volumen corporal 3D avanzado (desarrollado originalmente para la industria de la confección) para ayudar a los médicos a predecir el riesgo y la gravedad del síndrome metabólico. La combinación de herramientas ofrece a los médicos una alternativa más precisa a otras medidas de riesgo de enfermedad, como el índice de masa corporal (IMC) y la relación cintura-cadera, según los resultados de un estudio que el equipo ha realizado y que se ha publicado en la revista académica European Heart Journal-Digital Health.
No hay estrategias de cribado ampliamente aceptadas para el síndrome metabólico. Sin embargo, los investigadores han comprobado que el uso del citado escáner combinado con tecnología de análisis de imágenes y algoritmos desarrollados por la Clínica Mayo, puede ayudar a identificar mejor a las personas con el síndrome, así como a aquellas en riesgo de desarrollarlo.
Los efectos del síndrome metabólico generan muchos problemas para los pacientes. Además del ataque cardíaco y del accidente cerebrovascular, las personas con síndrome metabólico tienen más probabilidades de desarrollar diabetes, trastornos cognitivos y enfermedad hepática. El síndrome metabólico se diagnostica clínicamente cuando al menos tres de estas cinco afecciones están presentes: obesidad abdominal, presión arterial alta, triglicéridos altos, colesterol HDL bajo y azúcar en sangre alto en ayunas.
«Existe la necesidad de tener una medida confiable y reproducible del riesgo y la gravedad del síndrome metabólico» explica la Dra. Betsy Medina Inojosa, investigadora de la Clínica Mayo y primera autora del estudio. «Las medidas del índice de masa corporal y las balanzas de bioimpedancia que miden la grasa corporal y los músculos son inexactas para muchas personas, y otros tipos de exámenes no están ampliamente disponibles”.
Para desarrollar el nuevo sistema, los investigadores capacitaron y validaron un modelo de inteligencia artificial en 1.280 voluntarios que se sometieron a una evaluación que incluyó exámenes de volumen corporal en 3D, cuestionarios clínicos estandarizados, análisis de sangre y mediciones tradicionales de la forma del cuerpo. A otros 133 voluntarios se les tomaron imágenes de frente y de perfil a través de una aplicación móvil de Select Research llamada myBVI para evaluar aún más la capacidad de la herramienta para determinar si tenían el síndrome metabólico y, en caso afirmativo, su nivel de gravedad.
Las personas con síndrome metabólico a menudo tienen cuerpos en forma de manzana, lo que significa que llevan gran parte de su peso alrededor del abdomen. El diagnóstico del síndrome metabólico gira en torno a las pruebas de laboratorio, las mediciones de la presión arterial y la forma corporal; sin embargo, no existen estrategias de cribado de rutina ampliamente aceptadas porque estas mediciones no siempre están disponibles o son reproducibles de la misma manera.
«Este pequeño estudio descubrió que la medición digital del índice de volumen corporal de un paciente con imágenes en 3D proporciona una medición altamente precisa de formas y volúmenes en regiones críticas donde se deposita grasa visceral no saludable, como en el abdomen y en el pecho», explica el Dr. Francisco Lopez-Jimenez, director de Cardiología Preventiva en la Clínica Mayo y coautor del estudio. «Los escaneos también registran el volumen de las caderas, las nalgas y las piernas – una medida relacionada con la masa muscular y la grasa ‘buena’. La información en 3D sobre el volumen corporal en estas regiones clave, ya sea del escáner 3D estacionario o de la aplicación móvil, identificó con precisión la presencia y la gravedad del síndrome metabólico, utilizando imágenes en lugar de pruebas invasivas.
Fuente: noticiasdelaciencia.com