En un esfuerzo por abordar la alarmante tasa de mortalidad femenina por enfermedades cardiovasculares, un equipo de científicos de la Universidad de Stanford (EE. UU.) y la Universidad Tecnológica de Delft (Países Bajos) ha desarrollado un sistema de predicción de riesgo utilizando inteligencia artificial (IA).
Las enfermedades cardiovasculares representan aproximadamente un tercio de todas las muertes de mujeres en el mundo, y las mujeres tienen más probabilidades de morir después de un infarto de miocardio que los hombres. Esto se debe, en parte, a que los modelos de diagnóstico y tratamiento se basan principalmente en datos masculinos y no son efectivos para las mujeres.
El equipo de investigación utilizó herramientas de IA para desarrollar modelos de riesgo cardiaco más precisos, utilizando un conjunto de datos amplio y diverso. Descubrieron que las mujeres estaban significativamente infradiagnosticadas en comparación con los hombres para ciertas enfermedades cardíacas, como el bloqueo auriculoventricular de primer grado y la miocardiopatía dilatada.
La investigadora Skyler St. Pierre explica que recurrieron a la IA porque puede encontrar patrones en grandes volúmenes de datos. Utilizaron datos de más de 20,000 individuos del UK Biobank y descubrieron que el electrocardiograma era la prueba más efectiva para detectar enfermedades cardiovasculares en ambos sexos, pero se necesitan criterios diagnósticos específicos para cada sexo.
El estudio destaca la necesidad de cambiar la forma en que se estudian y se diagnostican las enfermedades cardíacas, asegurándose de incluir modelos femeninos en los ensayos clínicos y de investigar criterios diagnósticos específicos para cada sexo.
La investigadora Sara Cogliati enfatiza que la IA puede mejorar significativamente la atención médica y la salud cardiovascular de las mujeres al ayudar a los médicos a evaluar el riesgo cardiovascular y tomar decisiones informadas. Sin embargo, es crucial que los sistemas de IA consideren los resultados de la investigación que incluyan modelos femeninos para mejorar la precisión de los modelos predictivos.