Las enfermedades del corazón están infradiagnosticadas en las mujeres, pero unos nuevos modelos de aprendizaje automático pueden ayudar a resolver este problema

Históricamente, la medicina ha sido un campo con sesgo masculino. También en el caso de los trastornos cardiovasculares las mujeres tienen menos probabilidades de ser diagnosticadas o se les diagnostica más tarde y con más síntomas. La inteligencia artificial puede ayudar a revertir esta situación.

Por Frontiers

Las dolencias del corazón, como las arritmias, la enfermedad de las arterias coronarias y la insuficiencia cardíaca, están infradiagnosticadas en la mujer. Imagen generada con Copilot

Un equipo de científicos ha utilizado el aprendizaje automático para construir modelos nuevos y mejorados que podrían mejorar especialmente la predicción de riesgos cardiacos para las mujeres. También han descubierto que, para ciertas afecciones cardíacas, las mujeres están subdiagnosticadas con el doble de frecuencia que los hombres, lo que destaca la necesidad de criterios de riesgo específicos por sexo para la detección de enfermedades cardíacas.

Cuando se trata de cuestiones del corazón, las enfermedades cardiovasculares en las mujeres están infradiagnosticadas en comparación con los hombres. La llamada puntuación de riesgo de Framingham es un sistema de puntuación popular utilizado para estimar la probabilidad de que una persona desarrolle una enfermedad cardiovascular en los próximos diez años. Se basa en factores que incluyen la edad, el sexo, los niveles de colesterol y la presión arterial.

Investigadores de Estados Unidos y los Países Bajos han utilizado un gran conjunto de datos para crear modelos de riesgo cardiovascular más precisos que la puntuación de riesgo de Framingham. También han cuantificado el infradiagnóstico de las mujeres en comparación con los hombres. Los resultados aparecen publicados en Frontiers in Physiology.

El mejor examen para mejorar la detección de enfermedades cardiovasculares tanto en hombres como en mujeres es el electrocardiograma.

"Descubrimos que los criterios neutrales en lo que se refiere al sexo no diagnostican adecuadamente a las mujeres. Si se utilizaran criterios específicos para cada sexo, este infradiagnóstico sería menos grave", afirma Skyler St. Pierre, investigador del Laboratorio de Materia Viva de la Universidad de Stanford, en Estados Unidos. Y añade—: También descubrimos que el mejor examen para mejorar la detección de enfermedades cardiovasculares tanto en hombres como en mujeres es el electrocardiograma (ECG)".

Desde el punto de vista anatómico, los corazones femeninos y masculinos son diferentes. Por ejemplo, los corazones femeninos son más pequeños y tienen paredes más delgadas. Sin embargo, los criterios de diagnóstico para ciertas enfermedades cardíacas son los mismos para mujeres y hombres, lo que significa que los corazones femeninos deben aumentar desproporcionadamente más que los de los hombres antes de que se cumplan los mismos criterios de riesgo.

Cuando los investigadores cuantificaron el infradiagnóstico en el caso de la mujer en comparación con el hombre, descubrieron que el uso de criterios neutrales en cuanto al sexo conduce a un infradiagnóstico grave de las pacientes femeninas.

"Las mujeres están infradiagnosticadas en el caso del bloqueo auriculoventricular (AV) de primer grado, un trastorno que afecta los latidos del corazón, y de la miocardiopatía dilatada, una enfermedad en la cual el músculo cardíaco se vuelve débil y alargado, dos veces y 1,4 veces más que los hombres, respectivamente", dice St. Pierre. También se encontró un infradiagnóstico de las mujeres para otros trastornos cardíacos.

Viejo versus nuevo

Para lograr predicciones más precisas para ambos sexos, los científicos aprovecharon cuatro métricas adicionales que no se consideran en la puntuación de riesgo de Framingham: resonancia magnética cardíaca, análisis de ondas de pulso, electrocardiogramas y ecografías carotídeas. Utilizaron datos de más de 20.000 personas del Biobanco del Reino Unido —una base de datos biomédica que comprende información de aproximadamente medio millón de personas del Reino Unido de cuarenta años o más— que se habían sometido a estas pruebas.

Una mujer se somete a un electrocardiograma. Imagen generada con Copilot

"Si bien los modelos clínicos tradicionales son fáciles de usar, ahora podemos utilizar el aprendizaje automático para analizar miles de otros factores posibles y encontrar características nuevas y relevantes que podrían mejorar significativamente la detección precoz de enfermedades", explica St. Pierre. Hace apenas 10 años, estos métodos no estaban disponibles, por lo que escalas de evaluación como el Framingham Risk Score se utilizan desde hace medio siglo.

El aprendizaje automático es un campo de la inteligencia artificial que se enfoca en el desarrollo de algoritmos y modelos que permiten a los ordenadores aprender y mejorar su rendimiento en tareas específicas a partir de la experiencia. En lugar de programar explícitamente todas las reglas para realizar una tarea, en el aprendizaje automático se proporciona a la computadora un conjunto de datos y se permite que aprenda patrones y relaciones por sí misma a través de la construcción y ajuste de modelos matemáticos.

Estos modelos se entrenan utilizando datos de entrada y salida conocidos, y luego pueden aplicarse para hacer predicciones o tomar decisiones sobre datos nuevos o no vistos anteriormente.

Utilizando el aprendizaje automático, los investigadores de la Universidad de Stanford determinaron que, de las métricas probadas, los electrocardiógrafos eran los más eficaces para mejorar la detección de enfermedades cardiovasculares tanto en hombres como en mujeres. Sin embargo, esto no significa que los factores de riesgo tradicionales no sean herramientas importantes para la evaluación de riesgos, dijeron los investigadores.

"Proponemos que los médicos primero evalúen a las personas mediante una encuesta simple con factores de riesgo tradicionales y luego realicen una segunda etapa de detección mediante electrocardiogramas para los pacientes de mayor riesgo", dice St. Pierre.

Allanar el camino a la medicina personalizada.

El presente estudio supone un primer paso en el replanteamiento de los factores de riesgo de las cardiopatías. Aprovechar las nuevas tecnologías es una forma prometedora de mejorar la predicción del riesgo. Sin embargo, el estudio presenta algunas limitaciones que deberán abordarse en el futuro, señalan los investigadores.

Una de ellas es que en el Biobanco del Reino Unido el sexo se trata como una variable binaria. Sin embargo, el sexo es intrínsecamente complejo y está relacionado con las hormonas, los cromosomas y las características físicas, todo lo cual puede situarse en algún punto del espectro entre lo típicamente masculino y lo típicamente femenino.

Además, la población del estudio eran personas de mediana edad y mayores residentes en el Reino Unido, por lo que los resultados pueden no ser transferibles a personas de otros orígenes y edades. "Aunque la medicina específica para cada sexo es un paso en la dirección correcta, la medicina específica para cada paciente proporcionaría los mejores resultados para todos", concluye St. Pierre.

• Información facilitada por Frontiers -Adaptación: Enrique Coperías / Rexmolón Producciones

• Fuente: Skyler R. St. Pierre, Bartosz Kaczmarski, Mathias Peirlinck and Ellen Kuhl. Sex-specific cardiovascular risk factors in the UK Biobank. Frontiers in Physiology (2024). DOI: https://doi.org/10.3389/fphys.2024.1339866