Publicado 28/03/2022 07:27

Así podría ayudar la inteligencia artificial a mejorar los resultados del trasplante de corazón

Archivo - Quirófano, anestesia, operación, intervención quirúrgica.
Archivo - Quirófano, anestesia, operación, intervención quirúrgica. - GETTY IMAGES/ISTOCKPHOTO / MONKEYBUSINESSIMAGES

MADRID, 28 Mar. (EUROPA PRESS) -

Investigadores del Brigham and Women's Hospital, en Estados Unidos, han creado un sistema de inteligencia artificial (IA), llamado Estimador Neural de Evaluación del Rechazo Cardíaco (CRANE por sus siglas en inglés), que puede ayudar a detectar el rechazo tras un trasplante de corazón y estimar su gravedad, según publican en la revista 'Nature Medicine'.

El trasplante de corazón puede ser una operación que salva la vida de los pacientes con insuficiencia cardíaca terminal. Sin embargo, muchos pacientes experimentan un rechazo del órgano trasplantado. Detectar el rechazo del trasplante es un reto: en sus primeras fases, los pacientes pueden no experimentar síntomas, y los expertos no siempre se ponen de acuerdo sobre el grado y la gravedad del rechazo.

En un estudio piloto, el equipo evaluó el rendimiento de CRANE en muestras proporcionadas por pacientes de tres países diferentes, y descubrió que podría ayudar a los expertos en cardiología a diagnosticar el rechazo con mayor precisión y a reducir el tiempo necesario para el examen. Los resultados se publican

"Nuestro estudio piloto retrospectivo demostró que la combinación de inteligencia artificial e inteligencia humana puede mejorar el acuerdo de los expertos y reducir el tiempo necesario para evaluar las biopsias --resalta el autor principal Faisal Mahmood, del Laboratorio Mahmood en el Departamento de Patología del Brigham--. Nuestros resultados sientan las bases para que los ensayos clínicos a gran escala establezcan la utilidad de los modelos de IA para mejorar los resultados de los trasplantes de corazón".

Las biopsias cardíacas se utilizan habitualmente para identificar y graduar la gravedad del rechazo del órgano en pacientes tras un trasplante de corazón. Sin embargo, varios estudios han demostrado que los expertos suelen discrepar sobre si el paciente está rechazando el corazón o sobre el grado de gravedad del rechazo.

La variabilidad en el diagnóstico tiene consecuencias clínicas directas, ya que provoca retrasos en el tratamiento, biopsias de seguimiento innecesarias, ansiedad, dosificación inadecuada de la medicación y, en última instancia, peores resultados.

CRANE está diseñado para ser utilizado junto con la evaluación de expertos para establecer un diagnóstico preciso más rápidamente, y también puede ser utilizado en entornos donde puede haber pocos expertos en patología disponibles.

El equipo entrenó a CRANE para la detección, subtipificación y clasificación del rechazo de trasplantes utilizando miles de imágenes patológicas de más de 1.300 biopsias cardíacas del Brigham.

A continuación, los investigadores validaron el modelo utilizando biopsias de prueba del Brigham y conjuntos de datos de prueba externos e independientes recibidos de hospitales de Suiza y Turquía. Los conjuntos de datos de validación externa se construyeron para demostrar un alto grado de variabilidad y poner a prueba el modelo de IA propuesto.

CRANE funcionó bien en la detección y evaluación del rechazo, con resultados comparables a los de las evaluaciones convencionales. Cuando los expertos utilizaron la herramienta, ésta redujo el desacuerdo entre ellos y disminuyó el tiempo de evaluación. Los autores señalan que su uso en la práctica clínica aún está por determinar y planean introducir nuevas mejoras en el sistema, pero los resultados ilustran el potencial de la integración de la IA en el diagnóstico.

"A lo largo de la historia de la medicina, las evaluaciones diagnósticas han sido en gran medida subjetivas --afirma Mahmood--. Pero gracias a la potencia y la asistencia de las herramientas informáticas, eso está empezando a cambiar. Ha llegado el momento de dar un giro reuniendo a personas con experiencia clínica y a aquellas con experiencia en ciencia computacional para desarrollar herramientas de diagnóstico asistido", insta.