Investigadores de Mayo Clinic están utilizando inteligencia artificial (IA) en el escáner de volumen corporal 3D avanzado – desarrollado originalmente para la industria de la confección – para ayudar a los médicos a predecir el riesgo y la gravedad del síndrome metabólico. La combinación de herramientas ofrece a los médicos una alternativa más precisa a otras medidas de riesgo de enfermedad, como el índice de masa corporal (IMC) y la relación cintura-cadera, según los resultados publicados en European Heart Journal-Digital Health.
El síndrome metabólico puede provocar ataques cardíacos, accidentes cerebrovasculares y otros problemas de salud graves y afecta a más de un tercio de la población de los Estados Unidos y un cuarto de las personas alrededor del mundo.
La condición carece de estrategias de cribado ampliamente aceptadas. Sin embargo, los investigadores han descubierto que el uso de un escáner de volumen corporal 3D combinado con tecnología de imágenes y algoritmos desarrollados por Mayo Clinic puede ayudar a los médicos a ofrecer un método más preciso para identificar a las personas con el síndrome, así como a aquellos en riesgo de desarrollarlo.
Los efectos del síndrome metabólico generan obstáculos para los pacientes. Además de problemas cardíacos y accidentes cerebrovasculares, las personas con síndrome metabólico tienen más probabilidades de desarrollar diabetes, trastornos cognitivos y enfermedad hepática. El síndrome metabólico se diagnostica clínicamente cuando al menos tres de estas cinco afecciones están presentes: obesidad abdominal, presión arterial alta, triglicéridos altos, colesterol HDL bajo e hiperglicemia en ayunas.
«Existe la necesidad de tener una medida confiable y reproducible del riesgo y la gravedad del síndrome metabólico» explica la Dra. Betsy Medina Inojosa, investigadora de Mayo Clinic y primera autora del estudio. «Las medidas del índice de masa corporal y las balanzas de bioimpedancia que miden la grasa corporal y los músculos son inexactas para muchas personas, y otros tipos de exámenes no están ampliamente disponibles. Nuestra investigación muestra que este modelo de IA también puede ser una herramienta para orientar a los médicos y pacientes a tomar medidas y buscar resultados más adecuados para la salud metabólica del paciente.»
Para desarrollar la herramienta, investigadores capacitaron y validaron un modelo de IA en 1 280 voluntarios que se sometieron a una evaluación que incluyó exámenes de volumen corporal en 3D, cuestionarios clínicos estandarizados, análisis de sangre y mediciones tradicionales de la forma del cuerpo.
A otros 133 voluntarios se les tomaron imágenes de frente y de perfil a través de una aplicación móvil de Select Research llamada myBVI para evaluar aún más la capacidad de la herramienta para evaluar si tenían el síndrome metabólico y, en caso afirmativo, su gravedad.
Las personas con síndrome metabólico a menudo tienen cuerpos en forma de manzana, lo que significa que llevan gran parte de su peso alrededor del abdomen. El diagnóstico del síndrome metabólico gira en torno a las pruebas de laboratorio, las mediciones de la presión arterial y la forma corporal; sin embargo, no existen estrategias de cribado de rutina ampliamente aceptadas porque estas mediciones no siempre están disponibles o son reproducibles de la misma manera.
«Este pequeño estudio descubrió que la medición digital del índice de volumen corporal de un paciente con imágenes en 3D proporciona una medición altamente precisa de formas y volúmenes en regiones críticas donde se deposita grasa visceral no saludable, como en el abdomen y en el pecho», explica el Dr. Francisco Lopez-Jimenez, director de Cardiología Preventiva en Mayo Clinic en Rochester y autor principal del estudio.
«Los escaneos también registran el volumen de las caderas, las nalgas y las piernas – una medida relacionada con la masa muscular y la grasa ‘buena’. La información en 3D sobre el volumen corporal en estas regiones clave, ya sea del escáner 3D estacionario o de la aplicación móvil, identificó con precisión la presencia y la gravedad del síndrome metabólico, utilizando imágenes en lugar de pruebas invasivas. Mirando hacia el futuro, los siguientes pasos serán aumentar la muestra de personas en la encuesta para incluir más diversidad.
Lea el artículo completo en:
Betsy J Medina Inojosa, Virend K Somers, Kyla Lara-Breitinger, Lynne A Johnson, Jose R Medina-Inojosa, Francisco Lopez-Jimenez, Prediction of presence and severity of metabolic syndrome using regional body volumes measured by a multisensor white-light 3D scanner and validation using a mobile technology, European Heart Journal – Digital Health, 2024;, ztae059.
