¿Cuántos años tienes realmente?

The Lancet Healthy Longevity

Lo que la IA “ve” en una radiografía

Osaka, Japón - ¿Qué pasa si "aparentar tu edad" no se refiere a tu cara, sino a tu tórax? Científicos de la Universidad Metropolitana de Osaka han desarrollado un modelo avanzado de inteligencia artificial (IA) que utiliza radiografías de tórax para estimar con precisión la edad cronológica de un paciente. Más importante aún, cuando hay una disparidad, puede indicar una correlación con una enfermedad crónica. Estos hallazgos marcan un salto en las imágenes médicas, allanando el camino para una mejor detección e intervención tempranas de enfermedades. Los resultados se publicarán en The Lancet Healthy Longevity.

El equipo de investigación, dirigido por el estudiante de posgrado Yasuhito Mitsuyama y el Dr. Daiju Ueda del Departamento de Diagnóstico y Radiología Intervencionista de la Facultad de Medicina de la Universidad Metropolitana de Osaka, primero construyó un modelo de IA basado en aprendizaje profundo para estimar la edad a partir de radiografías de tórax de individuos sanos. Luego aplicaron el modelo a radiografías de pacientes con enfermedades conocidas para analizar la relación entre la edad estimada por IA y cada enfermedad. Dado que la IA entrenada en un solo conjunto de datos es propensa al sobreajuste, los investigadores recopilaron datos de múltiples instituciones.

Para el desarrollo, entrenamiento, pruebas internas y externas del modelo de IA para la estimación de la edad, se obtuvieron un total de 67.099 radiografías de tórax entre 2008 y 2021 de 36.051 personas sanas que se sometieron a controles de salud en tres centros. El modelo desarrollado mostró un coeficiente de correlación de 0,95 entre la edad estimada por AI y la edad cronológica. En general, un coeficiente de correlación de 0,9 o superior se considera muy fuerte.

Para validar la utilidad de la edad estimada por IA utilizando radiografías de tórax como biomarcador, se compilaron 34.197 radiografías de tórax adicionales de 34.197 pacientes con enfermedades conocidas de otras dos instituciones. Los resultados revelaron que la diferencia entre la edad estimada por AI y la edad cronológica del paciente se correlacionó positivamente con una variedad de enfermedades crónicas, como hipertensión, hiperuricemia y enfermedad pulmonar obstructiva crónica. En otras palabras, cuanto mayor era la edad estimada por AI en comparación con la edad cronológica, más probable era que las personas tuvieran estas enfermedades.

Mapas de prominencia del conjunto de datos de prueba externo. Imágenes de prominencia promedio de cada grupo de edad cronológica de 20 años en el conjunto de datos de prueba externo de la institución C. Los paneles superiores muestran radiografías de tórax promediadas para todos los participantes del grupo y los paneles inferiores muestran mapas de prominencia promediada. Las áreas calientes en los mapas de prominencia indican características de edad creciente en las radiografías de tórax; las zonas frías indican características de edad decreciente.