Sistema de inteligencia artificial (IA) identifica signos de rechazo de trasplante de corazón
Actualizado el 23 Mar 2022
El trasplante de corazón puede salvar la vida de los pacientes con insuficiencia cardíaca terminal. Sin embargo, muchos pacientes experimentan el rechazo del trasplante de órganos, en el que el sistema inmunitario ataca el órgano trasplantado. Pero detectar el rechazo de un trasplante es un desafío. En sus primeras etapas, los pacientes pueden no experimentar síntomas y los expertos no siempre están de acuerdo sobre el grado y la gravedad del rechazo cuando examinan las biopsias de corazón para diagnosticar el problema. Para ayudar a abordar estos desafíos, los investigadores han creado un sistema de inteligencia artificial (IA) llamado estimador neuronal de evaluación del rechazo cardíaco (CRANE) que puede ayudar a detectar el rechazo y estimar su gravedad.
En un estudio piloto, los investigadores del Hospital Brigham and Women's de la Facultad de Medicina de Harvard (Boston, MA, EUA) evaluaron el desempeño de CRANE en muestras de tejido cardíaco proporcionadas por pacientes de tres países diferentes y descubrieron que podría ayudar a los expertos cardíacos a diagnosticar con mayor precisión el rechazo y disminuir el tiempo necesario para el examen. Los resultados del trabajo del equipo demuestran la viabilidad y la promesa de usar este enfoque en ensayos clínicos más grandes.
Las biopsias de corazón se usan comúnmente para identificar y calificar la gravedad del rechazo de órganos en pacientes después de un trasplante de corazón. Sin embargo, varios estudios han demostrado que los expertos a menudo no están de acuerdo sobre si el paciente está rechazando el corazón o el grado de gravedad del rechazo. La variabilidad en el diagnóstico tiene consecuencias clínicas directas y puede causar retrasos críticos en el tratamiento, biopsias de seguimiento innecesarias, ansiedad, dosificación inadecuada de medicamentos y, en última instancia, peores resultados. CRANE está diseñado para usarse junto con la evaluación de expertos humanos para establecer un diagnóstico preciso más rápido, y también se puede usar en entornos donde puede haber pocos expertos en patología disponibles.
El equipo capacitó a CRANE para la detección, subtipificación y clasificación del rechazo de trasplantes utilizando miles de imágenes patológicas de más de 1.300 biopsias de corazón del Brigham and Women's. Luego, los investigadores validaron el modelo, utilizando biopsias de prueba de Brigham and Women's y conjuntos de prueba externos e independientes recibidos de hospitales en Suiza y Turquía. Los conjuntos de datos de validación externa se construyeron para demostrar un alto grado de variabilidad como una forma de probar el modelo de IA y garantizar que pueda funcionar con precisión incluso cuando encuentre muchas señales confusas. CRANE se desempeñó bien en la detección y evaluación del rechazo, con resultados comparables a los de las evaluaciones convencionales. Cuando los expertos utilizaron la herramienta, se redujo el desacuerdo entre los expertos y se redujo el tiempo de evaluación. Los investigadores señalan que queda por determinar el uso de la herramienta en la práctica clínica y planean realizar más mejoras en el sistema, pero los resultados ilustran el potencial de integrar la IA en el diagnóstico.
"Nuestro estudio piloto retrospectivo demostró que combinar la inteligencia artificial y la inteligencia humana puede mejorar el acuerdo de los expertos y reducir el tiempo necesario para evaluar las biopsias", dijo el autor principal del estudio, Faisal Mahmood, profesor asistente de patología de HMS en Brigham and Women's. “Nuestros resultados sientan las bases para ensayos clínicos a gran escala para establecer la utilidad de los modelos de IA para mejorar los resultados de los trasplantes de corazón”.
“A lo largo de la historia de la medicina, las evaluaciones de diagnóstico han sido en gran medida subjetivas”, agregó Mahmood. “Pero debido al poder y la asistencia de las herramientas computacionales, eso está comenzando a cambiar. Ha llegado el momento de hacer un cambio reuniendo a personas con experiencia clínica y personas con experiencia en ciencias computacionales para desarrollar herramientas de diagnóstico de asistencia”.
Enlaces relacionados:
Hospital Brigham and Women's
