Usando aprendizaje automático y datos clínicos de registros de salud electrónicos, los investigadores de la Escuela de Medicina Icahn en Mount Sinai en Nueva York construyeron un marcador in silico, o derivado de computadora, para la enfermedad de las arterias coronarias (CAD) para medir mejor las caracterizaciones clínicamente importantes de la enfermedad.
Los hallazgos, publicados en línea el 20 de diciembre en La lanceta, puede conducir a un diagnóstico más específico y a un mejor manejo de la enfermedad de CAD, el tipo más común de enfermedad cardíaca y una de las principales causas de muerte en todo el mundo. El estudio es la primera investigación conocida para mapear las características de CAD en un espectro. Los estudios anteriores se han centrado solo en si un paciente tiene o no CAD.
CAD y otras condiciones comunes existen en un espectro de enfermedad; la combinación de factores de riesgo y procesos de enfermedad de cada individuo determina dónde se ubican en el espectro. Sin embargo, la mayoría de estos estudios dividen este espectro de enfermedades en clases rígidas de caso (el paciente tiene la enfermedad) o control (el paciente no tiene la enfermedad). Esto puede resultar en diagnósticos perdidos, manejo inadecuado y peores resultados clínicos, dicen los investigadores.
«La información obtenida de esta estadificación no invasiva de la enfermedad podría empoderar a los médicos al evaluar con mayor precisión el estado del paciente y, por lo tanto, informar el desarrollo de planes de tratamiento más específicos», dice Ron Do, Ph.D., autor principal del estudio y Charles Profesor Bronfman en Medicina Personalizada en la Escuela de Medicina Icahn en Mount Sinai.
«Nuestro modelo delinea las poblaciones de pacientes con enfermedad de las arterias coronarias en un espectro de enfermedades; esto podría proporcionar más información sobre la progresión de la enfermedad y cómo los afectados responderán al tratamiento. Tener la capacidad de revelar distintas gradaciones de riesgo de enfermedad, aterosclerosis y supervivencia, por ejemplo, que de otro modo podría perderse con un marco binario convencional, es fundamental».
En el estudio retrospectivo, los investigadores entrenaron el modelo de aprendizaje automático, denominado puntuación in silico para la enfermedad de las arterias coronarias o ISCAD, para medir con precisión la CAD en un espectro utilizando más de 80 000 registros electrónicos de salud de dos grandes biobancos basados en sistemas de salud, el BioMe Biobank en el Sistema de Salud Mount Sinai y el Biobanco del Reino Unido.
El modelo, que los investigadores denominaron «marcador digital», incorporó cientos de características clínicas diferentes del registro de salud electrónico, incluidos signos vitales, resultados de pruebas de laboratorio, medicamentos, síntomas y diagnósticos, y lo comparó con una puntuación clínica existente para CAD, que usa solo una pequeña cantidad de características predeterminadas y una puntuación genética para CAD.
Los 95,935 participantes incluyeron participantes de etnias africanas, hispanas/latinas, asiáticas y europeas, así como una gran proporción de mujeres. La mayoría de los estudios clínicos y de aprendizaje automático sobre CAD se han centrado en la etnia europea blanca.
Los investigadores encontraron que las probabilidades del modelo rastrearon con precisión el grado de estrechamiento de las arterias coronarias (estenosis coronaria), la mortalidad y las complicaciones, como un ataque al corazón.
«Los modelos de aprendizaje automático como este también podrían beneficiar a la industria de la atención de la salud en general mediante el diseño de ensayos clínicos basados en la estratificación adecuada de los pacientes. También puede conducir a estrategias terapéuticas individualizadas basadas en datos más eficientes», dice el autor principal Iain S. Forrest, Ph. D., becaria postdoctoral en el laboratorio del Dr. Do y MD/Ph.D. estudiante en el Programa de Capacitación de Científicos Médicos en Icahn Mount Sinai.
«A pesar de este progreso, es importante recordar que el diagnóstico y el manejo de la enfermedad de las arterias coronarias basados en médicos y procedimientos no son reemplazados por la inteligencia artificial, sino que ISCAD los apoya potencialmente como otra herramienta poderosa en la caja de herramientas del médico».
A continuación, los investigadores prevén realizar un estudio prospectivo a gran escala para validar aún más la utilidad clínica y la capacidad de acción de ISCAD, incluso en otras poblaciones. También planean evaluar una versión más portátil del modelo que se pueda usar universalmente en los sistemas de salud.
Ben O. Petrazzini et al, marcador basado en el aprendizaje automático para la enfermedad de las arterias coronarias: derivación y validación en dos cohortes longitudinales, La lanceta (2022). www.thelancet.com/journals/lan … (22)02079-7/texto completo
Citación: Desarrollo de un marcador digital para la enfermedad de las arterias coronarias (20 de diciembre de 2022) recuperado el 20 de diciembre de 2022 de https://medicalxpress.com/news/2022-12-digital-marker-coronary-artery-disease.html
Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.