Investigadores de la Universidad China de Hong Kong (CUHK) han desarrollado una tecnología de análisis automatizado de imágenes de la retina (ARIA) que utiliza el aprendizaje automático para mejorar las evaluaciones de riesgo de enfermedades cardiovasculares (ECV) para las personas que viven con el VIH (PLWH) con riesgo cardiovascular (CV). Factores.
En comparación con la población general, el riesgo de ECV es el doble para las PLWH. [Circulation 2018;138:1100-1112] Las guías de práctica clínica recomiendan la evaluación rutinaria del riesgo de ECV para las PLWH. [Circulation 2019;140:e98-e124; EACS Guidelines 11.1, https://eacs.sanfordguide.com] «Sin embargo, las herramientas tradicionales de evaluación del riesgo de ECV no están adaptadas a las PLWH. Se necesita un modelo de predicción de ECV específico para el VIH», dijo la Dra. Grace Lui del Departamento de Medicina y Terapéutica de CUHK.
Las características de la retina se han identificado como biomarcadores útiles para enfermedades crónicas como la ECV. [Curr Opin Ophthalmol 2021;32:439-444;
Nat Biomed Eng 2018;2:158-164] «[For example,] Arteriopatía coronaria [CAD] El tamaño arterial y venular se asocia con la tortuosidad y la complejidad de las ramificaciones», explicó la profesora Penny Gee de la Escuela de Salud Pública y Atención Primaria del Jockey Club, CUHK. [Atherosclerosis 2018;268:215-224; Sci Rep 2016;6:19053]
En este estudio, los investigadores evaluaron el rendimiento de los modelos de predicción de ECV basados en ARIA, factores de riesgo CV tradicionales y ARIA y factores de riesgo CV tradicionales en PLWH en riesgo. El algoritmo ARIA detectó características de la retina, incluido el ancho de la arteriola y la vénula, en imágenes de la retina capturadas por fotografía digital de fondo de ojo. El riesgo de ECV de los participantes se calculó utilizando funciones de predicción de riesgo CV establecidas, como la puntuación de riesgo de Framingham. El rendimiento de los tres modelos se comparó por el área bajo la curva característica operativa (AUC) del receptor. [PLoS One 2023;18:e0281701]
El estudio incluyó a 115 PLWH (edad media, 53,7 años; hombres, 88,7 %; mediana de tiempo desde el diagnóstico de VIH, 12 años) atendidos entre febrero de 2019 y febrero de 2021 en el Hospital Prince of Wales, Hong Kong. Al inicio del estudio, los participantes fueron Dolor torácico (17,4 por ciento) o ≥ 1 factor de riesgo CV (diabetes, 40,0 por ciento; hipertensión, 45,2 por ciento; dislipemia, 45,2 por ciento; obesidad, 54,8 por ciento). La angiografía coronaria por TC mostró aterosclerosis coronaria y CAD obstructiva en el 61,7 por ciento y el 20,0 por ciento de los participantes, respectivamente.
Para la detección de aterosclerosis coronaria, el modelo ARIA funcionó mejor que un modelo basado en factores de riesgo CV tradicionales (modelo ARIA: AUC, 0,979; intervalo de confianza del 95 por ciento [CI]0.960–0.998) (modelo tradicional: AUC,
0,746; IC del 95 por ciento, 0,652–0,841). El modelo ARIA demostró una sensibilidad del 91,5 por ciento y una especificidad del 88,6 por ciento, mientras que el modelo tradicional 81,7 por ciento de sensibilidad y 54,5 por ciento de especificidad.
El rendimiento mejoró aún más cuando ARIA se combinó con factores de riesgo tradicionales (AUC, 0,987; IC del 95 %, 0,973–1,00), con
Sensibilidad y especificidad 93,0 por ciento Y
93,2 por ciento respectivamente.
Modelo de mezcla de detección CAD obstructiva (AUC,
0,991; (IC del 95 %, 0,978–1,000) y el modelo ARIA (AUC,
0,986; IC del 95 por ciento, 0,970–1,000). Ambos modelos basados en ARIA funcionaron mejor que los factores de riesgo tradicionales (AUC, 0,777; IC del 95 %, 0,672–0,883).
«Nuestro estudio ha demostrado que el análisis de imágenes retinales basado en el aprendizaje automático [ie, ARIA] «Puede mejorar la evaluación del riesgo de aterosclerosis coronaria y CAD obstructiva en PLWH de alto riesgo», concluyeron los investigadores.
«Ninja de la comida exasperantemente humilde. Orgulloso solucionador de problemas. Nerd web general. Geek total de la televisión. Fanático del café».