Clinical Research Insider

Clinical Research Insider

Aprendizaje profundo para detectar la enfermedad de las arterias coronarias basándose en una foto facial

Por: Mtra. Jennefer Iveth Mercado Cerda*

Las enfermedades de las arterias coronarias (EAC) siguen siendo la principal causa de muerte en el mundo. Es por esto que se necesitan herramientas precisas, prácticas y rentables para detectar enfermedades cardiovasculares.

Además de los modelos de predicción convencionales basados en factores de riesgo clínico, existen algunos rasgos faciales que se asocian a un mayor riesgo de tener una enfermedad cardiovascular como, por ejemplo, alopecia, canas, arrugas faciales, el pliegue del lóbulo de la oreja, xantelasma y arco córneo, por lo que por medio de un modelo de predicción se podría facilitar la detección oportuna de estas enfermedades. Sin embargo, el uso de estos rasgos faciales para la detección de enfermedades ha tenido muchas limitantes por las pocas categorías y la baja prevalencia de rasgos faciales, falta de definiciones específicas, una clasificación de gravedad cuantificable y una escasa repruducibilidad en la identificación humana. Es por esto que un grupo de investigadores chinos ha creado un algoritmo de aprendizaje que se ha convertido en una herramienta prometedora para el diagnóstico oportuno basado en las fotos faciales (selfies).

Shen Lin y colaboradores del Centro Nacional de Investigación Clínica de Enfermedades Cardiovasculares de la República Popular de China realizaron un estudio transversal multicéntrico, en donde se obtuvieron datos de dos estudios en nueve sitios en China. Los participantes fueron sometidos a angiografía coronaria electiva o cirugía coronaria. Se fotografiaron a los pacientes antes de los procedimientos de forma frontal y de perfil usando una cámara digital de más de 20 millones de píxeles. Las entrevistas recopilaron datos sobre estatus económico, información demográfica, características, estilo de vida, antecedentes familiares y medicamentos utilizados.

Los investigadores concluyeron, por primera vez, la viabilidad de los algoritmos para detectar las enfermedades cardiovasculares y coronarias a través de fotos faciales como método de la población general o para evaluar los riesgos de esta enfermedad en los centros de salud. Esta es una herramienta de diagnóstico oportuno para los países en desarrollo y poblaciones vulnerables para detectar las enfermedades cardíacas a tiempo. Este estudio sería un primer paso para decidir si se realizan pruebas médicas más certeras y caras para confirmar o descartar el diagnóstico. Sin embargo, los investigadores también reconocen que la herramienta cuenta todavía con importantes limitaciones y necesita un mayor desarrollo para mejorar su especificidad, pues con la que presenta ahora, se diagnosticarían erróneamente muchas personas que no sufren en realidad una enfermedad coronaria y esto podría sobrecargar innecesariamente los sistemas sanitarios.

Los investigadores mencionan que una limitante encontrada en el estudio es que el algoritmo posee un gran sesgo en el entrenamiento, pues su aprendizaje se ha centrado en fotografías faciales de un único grupo étnico: la población china. Es muy probable que esta herramienta ofrezca peores resultados en otro grupo de población. Por otro lado, las personas que se han sometido a cirugías estéticas faciales también podrían tener un resultado erróneo con esta herramienta. Es por esto que consideran pertinente la realización de más estudios para desarrollar y entrenar algoritmos con fotografías para la población universal. De igual forma, este estudio es una novedad que da una esperanza a un nuevo campo de diagnóstico oportuno a una de las enfermedades que cada año tiene un gran número de casos de mortalidad en todo el mundo.

*Mtra. Jennefer Iveth Mercado Cerda;

Maestra en Salud Pública.

Referencia:

Shen Lin et al. (2020). Feasibility of using deeplearning to detect coronary artery disease based on facial photo. European Heart Journal, 1–12. https://doi.org/10.1093/eurheartj/ehaa640

Leave a Comment

Your email address will not be published. Required fields are marked *

Scroll to Top