¿Se puede predecir el riesgo cardiovascular a partir de la radiografía de tórax? Un nuevo desafío para la inteligencia artificial

Resumen

Antecedentes: Las pautas para la prevención primaria de la enfermedad cardiovascular aterosclerótica (ASCVD) recomiendan una calculadora de riesgo (puntuación de riesgo ASCVD) para estimar el riesgo a 10 años de eventos cardiovasculares adversos mayores (MACE). Como a menudo faltan los insumos necesarios, son deseables enfoques complementarios para la evaluación de riesgos oportunistas.

Objetivo: Desarrollar y probar un modelo de aprendizaje profundo (CXR CVD-Risk) que estima el riesgo de MACE a 10 años a partir de una radiografía de tórax de rutina (CXR) y comparar su rendimiento con el de la puntuación de riesgo ASCVD tradicional para determinar las implicaciones para la elegibilidad para estatinas. 

Diseño: Estudio de predicción de riesgos.

Ámbito: Pacientes ambulatorios potencialmente elegibles para prevención cardiovascular primaria.

Participantes: El modelo CXR CVD-Risk se desarrolló utilizando datos de un ensayo de detección de cáncer. Se validó externamente en 8869 pacientes ambulatorios con riesgo desconocido de ASCVD debido a que faltaban datos para calcular la puntuación de riesgo de ASCVD y en 2132 pacientes ambulatorios con riesgo conocido cuya puntuación de riesgo de ASCVD se pudo calcular.

Mediciones: MACE a 10 años predicho por CXR CVD-Risk versus la puntuación de riesgo ASCVD.

Resultados: Entre 8869 pacientes ambulatorios con riesgo desconocido de ASCVD, aquellos con un riesgo del 7,5 % o superior según lo predicho por CXR CVD-Risk tuvieron un mayor riesgo de MACE a 10 años después del ajuste por factores de riesgo (índice de riesgo ajustado [HR], 1,73 [IC del 95 % , 1,47 a 2,03]). En los 2132 pacientes ambulatorios adicionales con riesgo conocido de ASCVD, CXR CVD-Risk predijo MACE más allá de la puntuación de riesgo de ASCVD tradicional (HR ajustado, 1,88 [IC, 1,24 a 2,85]).

Limitación: Diseño de estudio retrospectivo utilizando historias clínicas electrónicas.

Conclusión: Sobre la base de una única CXR, CXR CVD-Risk predice MACE a 10 años más allá del estándar clínico y puede ayudar a identificar personas con alto riesgo cuya puntuación de riesgo de ASCVD no se puede calcular debido a la falta de datos.

Fuente de financiación primaria: Ninguna.

El artículo original:

Jakob Weiss, Vineet K. Raghu, Kaavya Paruchuri, et al. Deep Learning to Estimate Cardiovascular Risk From Chest Radiographs. Annals of Internal Medicine  Mar 26, 2024. https://www.acpjournals.org/doi/10.7326/M23-1898

Disponible en: https://n9.cl/jslnv