Medir la composición corporal con precisión ya es una realidad con la IA
La medición del volumen de tejido adiposo visceral y de los depósitos de grasa muscular, realizada mediante herramientas basadas en inteligencia artificial, puede aportar un alto nivel de fiabilidad. Según se ha constatado, esta evaluación, que ya es posible, permite estimar el riesgo de diabetes y de enfermedades cardiovasculares más allá de las medidas estándar de obesidad, como el IMC y la circunferencia de la cintura.
Estado: Esperando
La adiposidad es reconocida como un factor desencadenante de enfermedades cardiometabólicas, entre ellas, patologías cardíacas, accidentes cerebrovasculares, diabetes tipo 2 y enfermedades renales. Sin embargo, medidas clásicas, como el índice de masa corporal (IMC), no aportan mucha exactitud, al confundir la grasa con la masa muscular y no captar la ...
La adiposidad es reconocida como un factor desencadenante de enfermedades cardiometabólicas, entre ellas, patologías cardíacas, accidentes cerebrovasculares, diabetes tipo 2 y enfermedades renales. Sin embargo, medidas clásicas, como el índice de masa corporal (IMC), no aportan mucha exactitud, al confundir la grasa con la masa muscular y no captar la ubicación de la grasa corporal. Todo ello impide obtener una visión completa del riesgo de una persona frente a estas patologías.
Precisamente, evaluar la asociación de los efectos de la composición corporal (CC) con inteligencia artificial (IA) a partir de imágenes por resonancia magnética (IRM) y obtener resultados cardiometabólicos fue el objetivo de un reciente estudio de cohorte prospectivo realizado por la red hospitalaria Mass General Brigham y publicado en 'Annals of Internal Medicine'.
El coautor principal, prof. Vineet K. Raghu, un científico computacional del Mass General Brigham Heart and Vascular Institute y su equipo utilizaron datos del Biobanco del Reino Unido y emplearon resonancias magnéticas de cuerpo entero de más de 33.000 adultos sin antecedentes de diabetes ni eventos cardiovasculares, a quienes se les realizó un seguimiento medio de 4,2 años.
El procedimiento continuó con la aplicación de una herramienta de IA a la resonancia magnética para obtener mediciones tridimensionales (3D) de composición corporal , incluyendo tejido adiposo subcutáneo (SAT), tejido adiposo visceral (VAT), músculo esquelético (MS) y fracción de grasa del MS (FMS), y calcular su distribución relativa. Se evaluaron las asociaciones estratificadas por sexo de estos compartimentos relativos con la incidencia de diabetes mellitus (DM) y eventos cardiovasculares adversos mayores (MACE) mediante splines cúbicos restringidos.
El equipo pudo observar que, tanto en hombres como en mujeres, el volumen de tejido adiposo visceral (grasa que rodea los órganos abdominales) y los depósitos de grasa muscular se asociaban estrechamente con el riesgo de diabetes y enfermedades cardiovasculares, más allá de las medidas estándar de obesidad, como el IMC y la circunferencia de la cintura. Solo en los hombres, un menor volumen de músculo esquelético se asociaba estrechamente con el riesgo.
"Esperamos que estos hallazgos puedan usarse para desarrollar una herramienta de 'detección oportunista' para reutilizar las resonancias magnéticas y tomografías computarizadas existentes tomadas en el hospital para encontrar pacientes con una composición corporal de alto riesgo que pueden estar pasando desapercibidos y podrían beneficiarse de la prevención dirigida de la diabetes y las enfermedades cardiovasculares", manifestó el prof. Raghu.
El equipo de investigadores considera que se necesitan estudios futuros para determinar si sus hallazgos son generalizables y si la IA puede medir de forma fiable estas métricas de composición corporal a partir de exploraciones rutinarias. En este sentido, opinan que "con una mayor validación, un enfoque basado en IA podría ayudar a aprovechar las imágenes rutinarias para identificar a los pacientes de alto riesgo".
