Congreso Europeo de Cardiología

Nuevo algoritmo de IA podría ayudar a personalizar la prevención de enfermedades cardiovasculares

Causal AI presentado en una Hot Line Session hoy en ESC Congress 2022

Un novedoso algoritmo de inteligencia artificial (IA) estima con precisión el riesgo de enfermedad cardíaca causado por la exposición acumulada a los niveles de colesterol y presión arterial y los beneficios de reducir ambos, proporcionando así la información esencial necesaria para hacer un tratamiento individual decisiones.

“Este estudio muestra por primera vez cómo incorporar los efectos causales del colesterol de lipoproteínas de baja densidad (LDL) y la presión arterial sistólica (PAS) en los algoritmos de IA”, dijo el investigador principal, el profesor Brian Ference de la Universidad de Cambridge, Reino Unido. “Estos algoritmos podrían usarse para informar las decisiones de pacientes individuales sobre el momento, la intensidad y la duración óptimos de la reducción de LDL y SBP para prevenir de manera más efectiva los eventos cardiovasculares ateroscleróticos”.

La enfermedad cardiovascular aterosclerótica es una enfermedad progresiva crónica que comienza temprano en la vida y progresa lentamente con el tiempo. Los ensayos aleatorizados han demostrado que la reducción de LDL y SBP reduce el riesgo de eventos cardiovasculares ateroscleróticos. Sin embargo, los estudios de aleatorización mendeliana muestran que la exposición de por vida a LDL y SBP más bajos se asocia con reducciones mucho mayores en el riesgo de eventos cardiovasculares en comparación con las reducciones observadas en los ensayos aleatorios de la reducción de LDL y SBP que comienza más tarde en la vida. Esto sugiere que reducir el LDL y la PAS más temprano en la vida puede mejorar sustancialmente la prevención de enfermedades cardiovasculares. Sin embargo, se desconoce el momento, la duración y la intensidad óptimos de la reducción de LDL y SBP para prevenir eventos cardiovasculares.

Los médicos usan algoritmos de estimación de riesgo para seleccionar personas con una probabilidad elevada de enfermedad cardíaca que pueden beneficiarse de la terapia. Sin embargo, estos algoritmos no incluyen los efectos de LDL y SBP observados en ensayos aleatorios o estudios de aleatorización mendeliana y, por lo tanto, es posible que no capturen el verdadero beneficio de reducir LDL o SBP. Por lo tanto, los objetivos de este estudio fueron dos. Primero, evaluar si las puntuaciones de riesgo actuales estiman con precisión el riesgo inicial de eventos cardiovasculares causados ​​por LDL y SBP y el beneficio de reducir LDL y SBP comenzando a cualquier edad y extendiéndose por cualquier duración. En segundo lugar, evaluar, mediante un algoritmo de IA, si la suma de los efectos causales de LDL y SBP estima con mayor precisión el riesgo y el beneficio cardiovascular.

El algoritmo Causal AI se utilizó para estimar los efectos de LDL y SBP en unidades de exposición de tiempo discreto (condicionado a la exposición previa para reflejar la biología de cómo se desarrolla la aterosclerosis) entre 1,8 millones de personas, incluidas 1 320 974 inscritas en estudios de aleatorización mendeliana que evaluaron 140 variantes asociadas con LDL y 202 variantes asociadas con la PAS, y 527 512 participantes se inscribieron en 76 ensayos aleatorios que evaluaron las terapias para reducir las LDL o la PAS.