Predicción de la progresión de la estenosis aórtica utilizando inteligencia artificial: un modelo de aprendizaje...

Área de la Ciencia:

• Cardiología
• Imágenes médicas
• Inteligencia artificial

Sus antecedentes:

• El monitoreo actual de la estenosis aórtica (SA) se basa en una ecocardiografía que requiere muchos recursos.
• La variabilidad en los ecocardiogramas en serie plantea desafíos para la evaluación de la progresión de la EA.
• La inteligencia artificial (IA) presenta una solución potencial para la identificación temprana de riesgos en el SA.

Objetivo del estudio:

• Desarrollar un modelo de IA que prediga la progresión de la EA a la EA grave.
• El modelo utiliza exclusivamente los datos del informe de la ecocardiografía.
• Evaluar la precisión y la interpretabilidad predictivas del modelo.

Principales métodos:

• Análisis retrospectivo de 9.330 ecocardiogramas de pacientes con SA leve o moderada.
• Desarrollo de un modelo de IA utilizando sólo los datos del informe de ecocardiografía.
• Evaluación del rendimiento utilizando métricas de precisión, AUC-ROC y calibración; interpretabilidad mediante valores SHAP.

Principales resultados:

• El modelo de IA logró una precisión AUC-ROC de 0,91 y 83%.
• El 47% de los pacientes progresó a SA grave durante el período de seguimiento.
• El modelo demostró un fuerte rendimiento predictivo y calibración, validado por validación cruzada.

Conclusiones:

• Un modelo de IA centrado en los informes de ecocardiografía identifica de manera confiable a los pacientes en riesgo de progresión severa de AS.
• Esta herramienta puede apoyar el seguimiento personalizado y las intervenciones oportunas.
• Se recomienda una validación multicéntrica adicional para confirmar la generalizabilidad y la utilidad clínica.