El TAC, capaz de predecir la insuficiencia cardíaca años antes de aparecer

La inteligencia artificial aplicada a un TAC cardíaco rutinario permite anticipar el riesgo de insuficiencia cardíaca años antes de su aparición clínica. Así lo demuestra un estudio internacional publicado en Journal of the American College of Cardiology, que ha analizado a más de 72.000 pacientes mediante técnicas avanzadas de imagen.

El trabajo se centra en la grasa epicárdica, el tejido adiposo que rodea directamente al corazón. Según los autores, este tejido no es pasivo, sino que actúa como sensor y modulador de la biología miocárdica, modificando su composición en respuesta a señales inflamatorias del propio corazón. Estos cambios pueden detectarse mediante análisis radiómico, es decir, a través de patrones complejos extraídos de las imágenes.

Para comprobarlo, los investigadores utilizaron angiografías coronarias por tomografía computarizada (CCTA) realizadas en nueve centros del Reino Unido entre 2007 y 2022. En total, incluyeron 72.751 adultos sin antecedentes de insuficiencia cardíaca ni infarto. A partir de cada escáner, extrajeron 1.655 características radiómicas de la grasa epicárdica y desarrollaron un modelo automatizado basado en aprendizaje profundo.

Durante un seguimiento medio de entre cuatro y cinco años, cerca del 3 por ciento de los participantes desarrolló insuficiencia cardíaca. El modelo mostró una alta capacidad predictiva, con valores de discriminación cercanos a 0,85 en la validación externa.

El incremento del riesgo fue especialmente marcado: por cada aumento de 25 percentiles en la puntuación radiómica, el riesgo de insuficiencia cardíaca se multiplicó por casi cuatro. Además, los individuos situados en el percentil más alto presentaron un riesgo hasta veinte veces superior respecto a los del más bajo.

El estudio también demuestra que esta herramienta mejora la predicción frente a los modelos tradicionales basados en edad, sexo y factores de riesgo cardiovascular. La incorporación del marcador radiómico incrementó la capacidad discriminativa y mejoró la reclasificación de pacientes.

Uno de los hallazgos más relevantes es que la información captada no depende únicamente de la cantidad de grasa, sino de su composición. El índice de masa corporal y el volumen de grasa epicárdica explicaron solo una pequeña parte de la variabilidad del modelo, lo que apunta a que los cambios cualitativos del tejido son determinantes.