West HW et al. Deep-Learning for Epicardial Adipose Tissue Assessment With Computed Tomography Implications for Cardiovascular Risk Prediction JACC: CARDIOVASCULAR IMAGING VOL.16, NO.6, 2023 :800–816
La utilización de la angiografía por tomografía computarizada coronaria (ATCC) se ha incrementado notablemente a nivel mundial y es probable que, a través de la aplicación de inteligencia artificial, pueda sumar un rol importante en la evaluación de riesgo cardiovascular.
El tejido adiposo ejerce efectos nocivos sobre el sistema cardiovascular, específicamente el tejido adiposo epicárdico puede ser una característica del síndrome metabólico, asociándose su volumen con múltiples enfermedades cardiovasculares. La cuantificación manual del tejido adiposo epicárdico es laboriosa y actualmente no se realiza de forma rutinaria. Es por ello por lo que este grupo de trabajo desarrolló una red de Deep Learning (DLN)para llevar a cabo una cuantificación automatizada del tejido adiposo epicárdico.
Se incluyeron pacientes de los estudios ORFAN (Oxford Risk Factors and Noninvasive Imaging Study), que recopiló exploraciones por ATCC desde el año 2005; AdipoRedOx (Adipose tissue and cardiovascular RedOx regulation), incluye pacientes sometidos a cirugía cardíaca, poco después se les realizó ATCC y se llevó a cabo un seguimiento prospectivo de estos pacientes; y del ensayoSCOT-HEART (Scottish Computed Tomography of the Heart), realizaron el seguimiento durante 5 años después de una ATCC en pacientes con sospecha de angina causada por enfermedad coronaria para conocer los resultados clínicos.
Se utilizaron 2200 exploraciones del estudio ORFAN, con el fin de realizar el entrenamiento de la DLN. Luego del entrenamiento inicial, se emplearon tres grupos de 200 exploraciones cada uno, para mejorar la performance del modelo de aprendizaje y finalmente se llevaron a cabo las validaciones interna (ORFAN) y externa (AdipoRedOx y SCOT-HEART).
Se logró un excelente Coeficiente de Correlación de Concordancia (CCC) para la segmentación del tejido adiposo epicárdico automatizada frente a la realizada por un especialista experimentado en todos los grupos de pacientes incluidos, pacientes con cirugía cardíaca reciente (menos de 6 semanas), con índice de masa corporal (IMC) ≥ 40 kg/m, con Score de calcio (CAC) ≥ 400, con artefacto metálico significativo dentro del pericardio, y un grupo combinado de pacientes con cirugía reciente, IMC ≥ 30 kg/m y CAC ≥ 400.
Al momento de analizar los resultados, se pudo observar que la utilización de la herramienta automatizada para la cuantificación del tejido adiposo epicárdico, fue un predictor independiente para la presencia de fibrilación auricular y enfermedad coronaria al momento de realizar la ATCC.
Se generaron grupos según el volumen de tejido adiposo epicárdico alto versus bajo basados en un valor de corte de 169,9 cm3. Los valores altos de tejido adiposo epicárdico se asociaron con mayor riesgo de infarto de miocardio fatal y no fatal, accidente cerebrovascular fatal y no fatal, mortalidad no cardíaca y mortalidad por todas las causas. En cuanto al análisis de la relación del volumen de tejido adiposo epicárdico y el riesgo de fibrilación auricular (FA) postoperatoria, se determinó un punto de corte de 198.7 cm3, observándose que aquellos con valores superiores se asociaron con un riesgo mayor de FA postoperatoria hospitalaria, así como también de FA a largo plazo.
Este grupo de trabajo demostró a través del desarrollo de un modelo de aprendizaje profundo que permitió una cuantificación precisa, reproducible y rápida del volumen de tejido adiposo epicárdico en ATCC realizadas según indicación de las guías de prácticas clínicas, que la evaluación del volumen de tejido adiposo epicárdico puede mejorar la evaluación del riesgo cardiovascular y no cardiovascular de forma independiente a otros factores de riesgo, incluido el IMC.
La incorporación de este tipo de herramientas automatizadas a los protocolos de ATCC podría mejorar significativamente la evaluación del riesgo cardiometabólico global.
Comentario:
