Aprendizaje automático para predecir el riesgo cardiovascular en la diabetes mellitus tipo 1 utilizando...

Área de la Ciencia:

• Oftalmología e imágenes médicas
• Evaluación del riesgo cardiovascular
• El aprendizaje automático en el cuidado de la salud

Sus antecedentes:

• La diabetes mellitus tipo 1 (DM1) está asociada con un mayor riesgo de enfermedad cardiovascular (ECV).
• La estratificación temprana y precisa del riesgo cardiovascular es crucial para la intervención oportuna en pacientes con DMT1.
• La imagen retiniana ofrece una ventana no invasiva en la salud vascular sistémica.

Objetivo del estudio:

• Desarrollar y evaluar un algoritmo de aprendizaje automático (ML) para determinar los niveles de riesgo cardiovascular en pacientes con DMT.
• Utilizar imágenes multimodales de la retina (fotografías de fondo en color, OCT, OCTA) para la evaluación del riesgo CV.
• Distinguir entre las categorías de riesgo cardiovascular moderado, alto y muy alto.

Principales métodos:

• Análisis transversal de imágenes de retina de pacientes con DM1.
• Extracción de las características radiómicas de las fotografías de fondo en color, OCT y OCTA.
• Modelos de ML de entrenamiento que utilicen características radiómicas solas o combinadas con datos clínicos (demográficos, sistémicos, oculares y de sangre).

Principales resultados:

• Las características radiómicas por sí solas lograron AUC de 0,79 para el riesgo moderado y de 0,73 para la discriminación de alto/muy alto riesgo.
• La combinación de características radiómicas con datos clínicos mejoró los AUC a 0,99 para el riesgo moderado y a 0,95 para el riesgo alto/ muy alto.
• Las métricas OCT/OCTA con datos oculares alcanzaron un AUC de 0,89 para un riesgo CV muy alto sin datos sistémicos.

Conclusiones:

• Las características radiómicas de la retina discriminan y clasifican efectivamente las categorías de riesgo cardiovascular en la DMT.
• La integración de los datos clínicos mejora significativamente la precisión de la estratificación del riesgo cardiovascular.
• Este enfoque oculomico es prometedor para la evaluación no invasiva del riesgo cardiovascular en la DMT.