La inteligencia artificial como herramienta de diagnóstico de enfermedades cardiovasculares mediante un análisis de las heces

Entrenar a máquinas para que “lean” las heces y faciliten el diagnóstico de enfermedades cardiovasculares: ¿una idea utópica? En absoluto. A juzgar por los resultados de un nuevo estudio, esta estrategia original tendría casi la misma eficacia que los exámenes realizados actualmente, pero supondría un importante ahorro de tiempo.

Fecha de publicación 15 Diciembre 2020
Fecha de actualización 08 Agosto 2023

Acerca de este artículo

Fecha de publicación 15 Diciembre 2020
Fecha de actualización 08 Agosto 2023

Las enfermedades cardiovasculares representan la primera causa de mortalidad en el mundo. El número de decesos debería alcanzar su punto culminante en 2030, con 23,6 millones. Por el momento, el diagnóstico de estas enfermedades se basa en una serie de exámenes tediosos y costosos (análisis clínicos, electrocardiograma, radiografía de tórax, ecocardiograma). Sin embargo, se ha observado una asociación entre una alteración de la microbiota intestinal (disbiosis) y varias de estas enfermedades, especialmente la hipertensión arterial, la insuficiencia cardíaca y la aterosclerosis. Por lo tanto, ¿por qué no recurrir a la inteligencia artificial para diseñar un test diagnóstico basado en la composición de la microbiota intestinal?

Se han detectado perfiles característicos de las enfermedades cardiovasculares en las heces

El aprendizaje automático (machine learning) es una de las áreas de investigación de la inteligencia artificial que consiste en suministrar datos a una computadora para que aprenda a resolver un problema. En el ámbito de la salud se ha empleado con éxito para diagnosticar y predecir distintas enfermedades (cáncer, diabetes, enfermedades inflamatorias intestinales). Con el fin de probar su utilidad para el diagnóstico de enfermedades cardiovasculares, un equipo de investigadores comparó diferentes modelos de análisis de muestras fecales de 478 pacientes y 473 voluntarios sanos para identificar perfiles característicos de estas enfermedades. Se observó una diferencia muy importante entre los dos grupos en cuanto a la abundancia intestinal de 39 bacterias.

Una potente capacidad de diagnóstico

Los investigadores diseñaron un algoritmo dirigido específicamente a 25 familias bacterianas de la microbiota intestinal, que permite discriminar los 2 grupos con una precisión del 70%, esto es, una precisión apenas inferior a la del método convencional que, si bien es capaz de diagnosticar al 76% de los casos, necesita una gran cantidad de datos clínicos (edad, sexo, tabaquismo, tensión arterial, concentración de colesterol, etc.). Según los autores, el aprendizaje automático de una disbiosis intestinal característica de las enfermedades cardiovasculares ofrece un diagnóstico potencial muy prometedor en el contexto de un chequeo médico regular.

Old sources

Bibliografia:

Aryal S, Alimadadi A, Manandhar I, et al. Machine Learning Strategy for Gut Microbiome-Based Diagnostic Screening of Cardiovascular Disease. Hypertension. 2020 Nov;76(5):1555-1562.

    Véase también