Científicos de Mayo Clinic utilizan inteligencia artificial para medir la grasa pericárdica en tomografías de rutina, logrando identificar riesgos de forma temprana.
La lucha contra las enfermedades cardiovasculares, que persisten como la principal causa de muerte a nivel global, ha encontrado un aliado inesperado en los datos que ya teníamos, pero que no sabíamos leer del todo. Investigadores de Mayo Clinic han presentado una estrategia innovadora que utiliza la inteligencia artificial (IA) para transformar una tomografía computarizada de rutina en una herramienta de predicción mucho más potente y precisa.
El núcleo de este avance radica en la medición de la grasa que rodea al corazón, conocida técnicamente como grasa pericárdica. Aunque siempre se sospechó de su relevancia, su medición manual era compleja y poco práctica en el día a día clínico. Ahora, gracias a algoritmos de aprendizaje profundo, esta información puede extraerse de forma automática a partir de las tomografías estándar de calcio en arterias coronarias que ya se realizan a miles de pacientes.
Un estudio de largo aliento
La relevancia de este hallazgo se sustenta en una investigación de gran escala. El equipo analizó los datos de casi 12.000 adultos durante un periodo de 16 años. Durante este seguimiento, aproximadamente el 10% de los participantes desarrolló algún tipo de enfermedad cardiovascular. Al aplicar la IA sobre las imágenes médicas existentes, los científicos pudieron comparar el valor predictivo de la grasa cardíaca frente a los métodos tradicionales.
Actualmente, los médicos utilizan dos herramientas principales: la ecuación PREVENT de la American Heart Association (Aha) —que evalúa factores como edad, presión arterial y colesterol— y la puntuación de calcio coronario. El estudio demostró que, al sumar la medición de la grasa cardíaca mediante IA, la precisión para identificar quién sufrirá un evento cardiovascular aumentó significativamente, incluso en personas que inicialmente fueron catalogadas como de «bajo riesgo».
Precisión donde más se necesita
Uno de los puntos más críticos de la investigación es su utilidad en pacientes que se encuentran en categorías de riesgo límite o intermedio. En estos casos, la decisión de iniciar tratamientos preventivos agresivos suele ser difícil para los especialistas.
«La grasa pericárdica se ha reconocido como un marcador de riesgo cardiovascular, pero este estudio demuestra que ahora podemos medirla de forma automática y utilizarla para mejorar de manera sustancial la predicción del riesgo, especialmente en pacientes con riesgo límite o intermedio, donde las decisiones clínicas suelen ser menos claras», afirma Zahra Esmaeili, quien es la primera autora y una investigadora en el Departamento de Medicina Cardiovascular de Mayo Clinic. Según la experta, este avance permite personalizar las estrategias de prevención de una manera nunca antes vista.
Los hallazgos revelaron que los individuos con mayores volúmenes de grasa alrededor del corazón presentaban un riesgo elevado, sin importar si su puntuación de calcio era baja o alta. Esto significa que la grasa actúa como un factor de riesgo independiente y sumamente revelador.
Hacia una medicina más eficiente
La implementación de esta tecnología no requiere que el paciente se someta a nuevos exámenes ni implica costos adicionales significativos para el sistema de salud, ya que la IA procesa imágenes que ya han sido tomadas. Esta escalabilidad es lo que más entusiasma a la comunidad médica.
«Dado que esta medición se obtiene a partir de estudios de imagen que muchos pacientes ya se realizan, representa una forma práctica y escalable de mejorar la evaluación del riesgo cardiovascular», señala el doctor Francisco Lopez-Jimenez, quien es el cardiólogo preventivo y codirector del programa de IA en Cardiología de Mayo Clinic. El especialista destaca que esta capacidad analítica permitirá a los clínicos intervenir mucho antes y con mayor eficacia ante posibles infartos o ictos.
Aunque los resultados son prometedores y ya han sido publicados en el «American Journal of Preventive Cardiology», los investigadores señalan que el siguiente paso será determinar la mejor forma de integrar estas mediciones automáticas en la práctica clínica diaria para guiar las decisiones terapéuticas de manera estandarizada.
*En la creación de este texto se usaron herramientas de inteligencia artificial.
