La incidencia de enfermedades cardiovasculares en mujeres representa una preocupación de salud pública significativa, siendo responsables de aproximadamente un tercio de todas las muertes femeninas a nivel mundial. Datos de la Sociedad Europea de Cardiología destacan que, tras sufrir un infarto de miocardio, las mujeres enfrentan una mayor probabilidad de mortalidad en comparación con los hombres. Este sombrío panorama se atribuye en parte a errores en el diagnóstico y tratamiento, fundamentados en modelos predominantemente masculinos tanto en la investigación clínica como preclínica.
IA como herramienta para combatir la infradiagnóstico
En un esfuerzo por abordar esta disparidad en el diagnóstico y tratamiento, un equipo de investigadores de la Universidad de Stanford (EE. UU.) y la Universidad Tecnológica de Delft (Países Bajos) ha recurrido a la inteligencia artificial. Su estudio, publicado en el último número de la revista Frontiers, destaca el potencial de las herramientas de IA para mejorar la precisión en la evaluación del riesgo cardiovascular, particularmente en mujeres.
Una de las limitaciones identificadas en los actuales métodos de diagnóstico es la falta de consideración de las diferencias anatómicas entre los corazones masculinos y femeninos. A pesar de estas diferencias, los criterios diagnósticos utilizados a menudo son los mismos para ambos sexos, lo que puede resultar en un infradiagnóstico grave en mujeres.
Skyler St. Pierre, coautora del estudio y miembro del Living Matter Lab de Stanford, señala: «Las mujeres están infradiagnosticadas de bloqueo auriculoventricular (AV) de primer grado y de miocardiopatía dilatada, afectándolas entre 1.4 y dos veces más que a los hombres, respectivamente».
Utilizando grandes volúmenes de datos con IA
El estudio se basó en el análisis de datos de más de 20,000 individuos del UK Biobank, una base de datos biomédica que contiene información de medio millón de pacientes británicos mayores de 40 años. La IA permitió a los investigadores identificar patrones significativos y factores de riesgo predictivos utilizando una variedad de pruebas, incluidas resonancias magnéticas cardiacas, electrocardiogramas, análisis de ondas de pulso y ecografías carotídeas.
Skyler St. Pierre explica: «La IA facilita la clasificación de grupos diferentes, como hombres versus mujeres o cardiopatía isquémica versus hipertensión, permitiendo identificar patrones específicos y factores de riesgo para diferentes subgrupos».
A pesar de los avances prometedores, los investigadores reconocen la necesidad de abordar los sesgos inherentes en los datos utilizados para entrenar los modelos de IA. Es crucial que estos modelos reflejen adecuadamente la diversidad de la población y que se tengan en cuenta las diferencias de género en la investigación clínica y preclínica.
Skyler St. Pierre enfatiza: «Los modelos desarrollados deben tener en cuenta criterios específicos para cada sexo en el diagnóstico de enfermedades cardiovasculares. Esto requiere una colaboración estrecha entre médicos y científicos, así como un análisis exhaustivo de grandes conjuntos de datos para determinar los valores de corte óptimos».
La integración de la IA en la práctica clínica tiene el potencial de revolucionar la atención médica cardiovascular femenina. Al proporcionar herramientas más precisas para el diagnóstico y evaluación del riesgo, la IA puede ayudar a cerrar la brecha en la infradiagnóstico y garantizar que las mujeres reciban el tratamiento adecuado y oportuno para enfermedades cardiovasculares.
