Inteligencia artificial para prevenir la mortalidad

Del pulmón, para el resto del cuerpo. Una sorprendente innovación médica propone utilizar imágenes de tomografía computarizada de los pulmones de un individuo para mejorar la prevención de enfermedades no solo pulmonares sino relacionadas con otros órganos como el corazón o el sistema endocrino. La pieza clave de este nuevo método de predicción del riesgo es la inteligencia artificial.

La propuesta proviene de científicos del departamento de Ciencias Informáticas de la Universidad estadounidense de Vanderbilt, en Nashville. Allí, un equipo de ingenieros y médicos ha desarrollado un algoritmo de inteligencia artificial que es capaz de interpretar en tiempo real datos relevantes extraídos de tomografías de baja dosis del tejido pulmonar. Con esos datos, el algoritmo puede definir la composición corporal del individuo, es decir, la medida del porcentaje de grasa, músculo y hueso en el organismo.

Las composiciones corporales anormales (grasa excesiva o tejido muscular y óseo defectuosos) suelen ser indicadores de riesgo de distintas patologías. La más obvia de ellas es la obesidad, pero otros problemas cardiovasculares, musculares y neurológicos también pueden estar relacionados con modificaciones en estos parámetros. De hecho, desde hace tiempo se ha demostrado que esta medición es muy útil para predecir la evolución que puedan tener algunos trastornos metabólicos, patologías oncológicas, infartos o males como la enfermedad pulmonar obstructiva crónica.

En el caso del cáncer de pulmón, por ejemplo, existen evidencias más que suficientes para asegurar que la composición corporal afecta la calidad de vida y la supervivencia de los pacientes.

En este estudio, los investigadores han querido comprobar si la tecnología de inteligencia artificial añade alguna información nueva a los métodos tradicionales de medición de la composición corporal. Para ello, analizaron imágenes de tomografía de más de 20.000 pacientes derivados del programa nacional de ribado de enfermedades de pulmón de Estados Unidos.

Los resultados han mostrado que incluir algoritmos de análisis automático de imágenes mejora considerablemente el valor predictivo de las tomografías y ayuda a los médicos a identificar más fácilmente pacientes de mayor riesgo incluso en los momentos más iniciales de la enfermedad. En palabras del doctor Kaiwen Xu, de Valderbilt, «la inteligencia artificial ofrece unas pistas claras sobre la posibilidad de realizar intervenciones, terapias o cambios de hábitos ajustados a cada paciente, a su pronóstico y al riesgo detectado de una mala evolución de su patología».

En la inmensa mayoría de los casos, cuando un facultativo analiza una imagen de escáner o tomografía computarizada, el objetivo principal es encontrar estructuras sospechosas, como nódulos que indiquen una posible presencia tumoral. Pero una imagen de estas características contiene mucha más información anatómica que hasta ahora no es fácil de procesar de manera rápida y fiable.

Las mediciones asociadas a la cantidad de grasa encontrada en el músculo y otras informaciones sobre densidad ósea y densidad fibrilar son potentes marcadores del riesgo de mortalidad. Por ejemplo, la infiltración del músculo esquelético con grandes cantidades de grasa, una condición conocida como mioesteaotosis, está ya muy reconocida como un predictor útil para conocer la futura evolución de un paciente y el riesgo de muerte por enfermedades cardiovasculares. La mioesteatosis ocurre cuando la masa magra desciende y aumenta el tejido adiposo que llega a introducirse dentro de la musculatura con lo que el propio músculo empieza a perder funcionalidad y fuerza.

Este fenómeno está muy relacionado con la edad (según envejecemos nuestra masa muscular disminuye y se debilita) pero también se produce en estados incipientes de determinadas enfermedades.

La nueva herramienta de inteligencia artificial permite incluir información de este tipo en una prueba común como un escáner. En el mismo espacio y tiempo en el que se practica una tomografía torácica, los algoritmos de reconocimiento de imagen pueden arrojar datos sobre la grasa, la densidad muscular, la densidad ósea y otros valores de interés.

Después de trabajar con decenas de miles de imágenes, el sistema ha aprendido a reconocer qué personas están en mayor riesgo de mortalidad. Aunque la propia imagen no detecte una evolución severa de una enfermedad, los datos de composición corporal pueden alertar de deterioros no evidentes o de pacientes con mejor capacidad de afrontar la patología en el futuro.