Un modelo de aprendizaje automático descubre factores genéticos de las cardiopatías

Para obtener una visión interna del corazón, los cardiólogos suelen utilizar electrocardiogramas (ECG) para rastrear su actividad eléctrica e imágenes de resonancia magnética (IRM) para cartografiar su estructura. Como los dos tipos de datos revelan detalles distintos sobre el corazón, los médicos suelen estudiarlos por separado para diagnosticar las cardiopatías.

En un artículo publicado en Nature Communications, científicos del Centro Eric y Wendy Schmidt del Instituto Broad del MIT y Harvard han desarrollado un método de aprendizaje automático capaz de aprender patrones a partir de ECG y RM simultáneamente y, basándose en ellos, predecir características del corazón de un paciente. Una herramienta de este tipo, con un mayor desarrollo, podría algún día ayudar a los médicos a detectar y diagnosticar mejor las afecciones cardiacas a partir de pruebas rutinarias como los ECG.

Los investigadores también demostraron que podían analizar grabaciones de ECG, que son fáciles y baratas de adquirir, y generar películas de resonancia magnética del mismo corazón, que son mucho más caras de capturar. Y su método podría servir incluso para encontrar nuevos marcadores genéticos de cardiopatías que los métodos actuales podrían pasar por alto.

En general, el equipo afirma que su tecnología es una forma más holística de estudiar el corazón y sus dolencias. Caroline Uhler, coautora principal del estudio, miembro del Instituto Broad, codirectora del Centro Schmidt de Broad y profesora del Departamento de Ingeniería Eléctrica e Informática y del Instituto de Datos, Sistemas y Sociedad del MIT, afirma: «Está claro que estas dos visiones, ECG y resonancia magnética, deben integrarse porque ofrecen perspectivas distintas del estado del corazón».

«Como campo, la cardiología tiene la suerte de contar con muchas modalidades de diagnóstico, cada una de las cuales ofrece una visión diferente de la fisiología cardiaca en la salud y las enfermedades. Uno de los retos a los que nos enfrentamos es la falta de herramientas sistemáticas para integrar estas modalidades en una imagen única y coherente», afirma Anthony Philippakis, coautor principal del estudio, director de datos del Broad y codirector del Centro Schmidt. «Este estudio representa un primer paso hacia la construcción de esa caracterización multimodal».

Mayo 01/2023 (MedicalXpress) – Tomado de Cardiology-Health Informatics  Copyright Medical Xpress 2011 – 2023 powered by Science X Network.

Traducción realizada con la versión gratuita del traductor www.DeepL.com/Translator