Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

La inteligencia artificial puede ayudar a descubrir la enfermedad cardíaca basada en las fotos faciales

El envío de un “selfie” al doctor podría ser una manera barata y simple de descubrir enfermedad cardíaca, según los autores de un nuevo estudio publicado hoy (viernes) en el gorrón europeo del corazón.

El estudio es el primer para mostrar que es posible utilizar un algoritmo de aprendizaje profundo de la computador para descubrir enfermedad de la arteria coronaria (CAD) analizando cuatro fotografías de la cara de una persona.

Aunque el algoritmo necesite ser desarrollado más lejos y ser probado en grupos de personas más grandes de diversos orígenes étnicos, los investigadores dicen que tiene el potencial de ser utilizado como herramienta de la investigación que podría determinar enfermedad cardíaca posible en gente en la población en general o en los grupos de alto riesgo, que podrían ser remitidos para otras investigaciones clínicas.

A nuestro conocimiento, éste es el primer trabajo que demuestra que la inteligencia artificial se puede utilizar para analizar caras para descubrir enfermedad cardíaca. Es un paso hacia el revelado de una herramienta aprender-basada profunda que se podría utilizar para fijar el riesgo de enfermedad cardíaca, en ambulatorios o mediante los pacientes que tomaban “selfies” para realizar su propia investigación. Esto podía conducir la prueba diagnóstica adicional o una visita clínica.”

Profesor Zhe Zheng, vicedirector del centro nacional para las enfermedades cardiovasculares y vicepresidente del hospital de Fuwai, academia china de ciencias médicas y universidad médica de la unión de Pekín, Pekín, República Popular China

Él continuó: “Nuestro objetivo último es desarrollar un uso uno mismo-denunciado para que las comunidades de alto riesgo fijen riesgo de la enfermedad cardíaca antes de visitar una clínica. Esto podría ser un barato, simple y efectivo de determinar a los pacientes que necesitan la posterior investigación. Sin embargo, el algoritmo requiere la validación adicional del refinamiento y del externo en otras poblaciones y pertenencias étnicas.”

Se sabe ya que ciertas características faciales están asociadas a un riesgo creciente de enfermedad cardíaca. Éstos incluyen el pelo, arrugas, el doblez del lóbulo de oído, el xanthelasmata (pequeño, depósitos del amarillo del colesterol por debajo la piel, generalmente alrededor de los reductores ajustables) y corneae de reducción o grises del arcus (los depósitos de la grasa y del colesterol que aparecen como anillo opaco nebuloso del blanco, gris o azul en los filos exteriores de la córnea). Sin embargo, son difíciles para que los seres humanos utilicen con éxito para predecir y para cuantificar riesgo de la enfermedad cardíaca.

Profesor Zheng, profesor Xiang-Yang Ji, que es director del cerebro e instituto de la cognición en el departamento de la automatización en la universidad de Tsinghua, Pekín, y otros colegas alistó a 5.796 pacientes a partir de ocho hospitales en China al estudio entre julio de 2017 y marzo de 2019. Los pacientes experimentaban procedimientos de la proyección de imagen para investigar sus vasos sanguíneos, tales como angiografía coronaria o angiografía coronaria de la tomografía calculada (CCTA). Los dividieron aleatoriamente en el entrenamiento (5.216 pacientes, el 90%) o los grupos de la validación (580, el 10%).

Las enfermeras entrenadas de la investigación tomaron cuatro fotos faciales con las cámaras digitales: un frontal, dos perfiles y una vista de la capota de la culata de cilindro. También entrevista a los pacientes para cerco datos sobre estado socioeconómico, forma de vida e historial médico. ¿Los radiólogos revisaron los angiogramas de los pacientes y fijaron el grado de enfermedad cardíaca dependiendo de cuántos vasos sanguíneos fueron estrechados por el 50% o más (? estenosis del 50%), y su situación. Esta información fue utilizada para crear, para entrenar y para validar al algoritmo de aprendizaje profundo.

Los investigadores entonces probaron el algoritmo en 1.013 pacientes más a partir de nueve hospitales en China, alistada entre abril de 2019 y julio de 2019. La mayoría de pacientes en todos los grupos estaba de pertenencia étnica del chino de Han.

Encontraron que el algoritmo superó métodos existentes de predecir el riesgo de la enfermedad cardíaca (modelo del Diamante-Forrester y la muesca clínica del consorcio del cad). En el grupo de la validación de pacientes, el algoritmo descubrió correctamente enfermedad cardíaca en el 80% (del régimen o de la “sensibilidad positivo verdadero ") de los casos y la enfermedad cardíaca correctamente descubierta no estaba presente en el 61% de casos (el régimen o “la especificidad negativo verdadero "). En el grupo de prueba, la sensibilidad era el 80% y la especificidad era el 54%.

Profesor Ji dijo: “El algoritmo tenía un funcionamiento moderado, y la información clínica adicional no perfeccionó su funcionamiento, que los medios él se podrían utilizar fácil para predecir la enfermedad cardíaca potencial basada en las fotos faciales solamente. La quijada, la frente y la nariz contribuyeron más información al algoritmo que otras áreas faciales. Sin embargo, necesitamos perfeccionar la especificidad como un índice de positivo falso tanto como el 46% puede causar ansiedad e inconveniencia a los pacientes, así como potencialmente sobrecargar clínicas con los pacientes que requieren pruebas innecesarias.”

Así como requerir la prueba en otros grupos étnicos, las limitaciones del estudio incluyen el hecho de que solamente un centro en el grupo de prueba era diferente a esos centros que ofrecieron a los pacientes para desarrollar el algoritmo, que puede limitar más lejos su generalisabilty a otras poblaciones.

En un editorial acompañante, Charalambos Antoniades, profesor del remedio cardiovascular en la universidad de Oxford, Reino Unido, y el Dr. Christos Kotanidis, estudiante de DPhil que trabaja bajo profesor Antoniades en Oxford, escribe: “Total, el estudio de Lin y otros destaca un nuevo potencial en diagnósticos médicos ...... que la robustez de la aproximación de Lin y otros miente en el hecho de que su algoritmo de aprendizaje profundo requiere simple una imagen facial como la única entrada de datos, rindiéndola altamente y fácilmente aplicable en el gran escala.”

Continúan: “Usando selfies como método de cribado puede habilitar un simple con todo el modo eficaz filtrar la población en general hacia una evaluación clínica más completa. Tal aproximación puede también ser altamente relevante a las regiones del globo que son insuficientemente financiadas y tener programas de cribado débiles para la enfermedad cardiovascular. Un proceso de selección que se puede hacer tan fácilmente como tomar un selfie permitirá un flujo estratificado de la gente que se introduce en los sistemas sanitarios para la prueba diagnóstica de primera línea con CCTA. De hecho, los individuos “de alto riesgo” podrían tener un CCTA, que permitiría la estratificación segura del riesgo con el uso del nuevo, las metodologías AI-movidas por motor para el análisis de imagen de CCTA.”

Destacan algunas de las limitaciones que profesor Zheng y profesor Ji también incluyen en su papel. Éstos incluyen la especificidad inferior de la prueba, eso que la prueba necesita ser perfeccionada y ser validada en poblaciones más grandes, y eso plantea preguntas éticas sobre el “uso erróneo de la información para los propósitos discriminatorios. La difusión indeseada de los datos sensibles del historial médico, de que se puede extraer fácilmente de una foto facial, rinde tecnologías tales como eso discutió aquí una amenaza importante para la protección de datos personal, potencialmente afectando a opciones del seguro. Tales miedos se han expresado ya sobre el uso erróneo de datos genéticos, y se deben revisitar extensivamente con respecto al uso del AI en remedio”.

Los autores del trabajo de investigación están de acuerdo con este punto. Profesor Zheng dijo: Las “entregas éticas en desarrollar y la aplicación de estas tecnologías nuevas son de la importancia capital. Creemos que la investigación futura sobre las herramientas clínicas debe prestar la atención a la aislamiento, al seguro y a otras implicaciones sociales para asegurarse de que la herramienta está utilizada solamente para los propósitos médicos.”

¿Profesor Antoniades y el Dr. Kotanidis también escriben en su editorial ese cad de definición como? la estenosis del 50% en una arteria coronaria importante “puede ser una simplista y la clasificación bastante cruda como ella reúne en los individuos del grupo no-CAD que son verdad sanos, pero también la gente que ha desarrollado la enfermedad pero todavía está ya en los primeros tiempos (que pudieron explicar la especificidad inferior observada)”.

Source:
Journal reference:

Lin, S., et al. (2020) Feasibility of using deep learning to detect coronary artery disease based on facial photo. European Heart Journal. doi.org/10.1093/eurheartj/ehaa640.