Identificación basada en inteligencia artificial de los fibroateromas de capa delgada y resultados clínicos: el...

Área de la Ciencia:

• Cardiología
• Imágenes médicas
• Inteligencia artificial

Sus antecedentes:

• Los fibroateromas coronarios de capa delgada (TCFA) están relacionados con resultados cardiovasculares adversos.
• La identificación manual de TCFA mediante tomografía de coherencia óptica (OCT) requiere mucho tiempo y conocimientos especializados.
• El desarrollo de métodos automatizados para la detección de TCFA es crucial para una evaluación eficiente de los riesgos.

Objetivo del estudio:

• Evaluar la utilidad de un algoritmo de inteligencia artificial (IA) para la identificación de TCFA en pacientes con infarto de miocardio.
• Evaluar la asociación entre el TCFA identificado por la IA y los resultados clínicos adversos posteriores.
• Comparar el valor pronóstico de la detección TCFA basada en IA con el análisis manual tradicional.

Principales métodos:

• El estudio PECTUS-AI analizó imágenes OCT de 438 pacientes con infarto de miocardio.
• El AI-TCFA (algoritmo OCT-AID) y el laboratorio central (CL-TCFA) identificaron el TCFA en las lesiones no culpables.
• El resultado primario fue una combinación de muerte, infarto de miocardio o revascularización a los 2 años.

Principales resultados:

• El AI-TCFA identificó el TCFA en el 34,5% de los pacientes, en comparación con el 30,0% del CL-TCFA.
• AI-TCFA en la lesión diana se asoció significativamente con el resultado primario (HR 1.99, P=.04).
• La evaluación AI-TCFA de segmentos completos mostró una asociación más fuerte con resultados adversos (HR 5,50, P < 0,001) con un alto valor predictivo negativo (97,6%).

Conclusiones:

• El análisis de imágenes OCT basado en IA proporciona un método estandarizado para identificar pacientes con alto riesgo de eventos cardiovasculares adversos.
• La IA ofrece una alternativa viable a la identificación manual de TCFA, mejorando la eficiencia y la coherencia.
• La evaluación de segmentos de imágenes completos con IA mejora la discriminación pronóstica en comparación con el análisis de la lesión objetivo solo.