Así es el primer modelo de datos y formación para predecir infartos

La predicción de eventos cardíacos futuros como el infarto de miocardio continúa siendo un desafío importante entre los pacientes con enfermedad arterial coronaria. Unos investigadores han abordado este reto y han dado con un nuevo marco de aprendizaje profundo multimodal basado en la anatomía para predecir el infarto de miocardio futuro en base a datos clínicos e imágenes de angiografía coronaria invasiva.

El rendimiento de este marco, elaborado por los mismos autores de la investigación, en un estudio clínico de 445 pacientes ingresados con síndromes coronarios agudos confirma que el aprendizaje multimodal aumente el poder predictivo y logra un rendimiento "relativamente bueno", que supera la predicción obtenida por cada modalidad de forma independiente, así como la de cardiólogos intervencionistas, según el estudio publicado en medRxiv. Según los investigadores, se trata del "primer y prometedor intento de combinar datos multimodales a través de un marco de aprendizaje profundo para la predicción futura de infarto de miocardio".

La enfermedad de las arterias coronarias es una de las principales causas de muerte en todo el mundo. Hasta un 10 por ciento de los pacientes con estenosis consideradas no significativas aún presentan un infarto de miocardio o una necesidad de revascularización urgente en dos años. Incluso entre los pacientes tratados por un infarto de miocardio el riesgo de resultados adversos a corto y largo plazo sigue siendo significativo.

Resultado "prometedor", aunque con "cautela"

Los investigadores han propuesto un marco multimodal basado en el aprendizaje profundo, que explota el conocimiento de las principales arterias del árbol coronario y las imágenes de angiografía coronaria invasiva correspondientes a cada una de ellas, así como los datos clínicos de los pacientes para predecir futuros infartos de miocardio en pacientes con síndromes coronarios agudos.

Las imágenes de angiografía coronaria invasiva son procesadas por redes neuronales convoluciones guiadas por anatomía, mientras que los datos clínicos del paciente son analizados por redes neurales artificiales. Los autores concluyen que la unión de ambas modalidades se combinan para finalmente proporcionar una predicción del nivel del paciente.

Los resultados experimentales confirmaron el rendimiento superior del método de los investigadores en comparación con el aprendizaje de cada modalidad por separado, pero también en comparación con las predicciones basadas en humanos de cardiólogos intervencionistas experimentados. "La investigación indica que la integración, a través de un marco de aprendizaje bien diseñado, de imágenes, variables clínicas y experiencia clínica tiene el potencial de mejorar los enfoques actuales para la tarea de predicción de infarto de miocardio altamente compleja", añaden los científicos. En definitiva, "el resultado es prometedor", aunque con "cautela" por el pequeño número de pacientes incluidos en el estudio.