← Volver a noticias
Inteligencia artificial

CORAL: un algoritmo de aprendizaje automático para identificar la enfermedad microvascular coronaria a partir de patrones de flujo sanguíneo coronario Doppler

12 de noviembre de 20262 min de lecturaPor RADAR AI GLOBALFuente: PubMed/NLM – IA clínica
IA y MedicinaDiagnóstico
CORAL: un algoritmo de aprendizaje automático para identificar la enfermedad microvascular coronaria a partir de patrones de flujo sanguíneo coronario Doppler

Resumen ejecutivo

Un nuevo estudio presenta CORAL, un algoritmo de aprendizaje automático que puede identificar de manera precisa la enfermedad microvascular coronaria (CMD) a partir de patrones de flujo sanguíneo coronario, lo que podría permitir diagnósticos más directos y tempranos en pacientes. Los resultados proceden de modelos murinos y no establecen rendimiento diagnóstico en seres humanos

Compartir

WhatsAppLinkedInXCorreo

Qué problema aborda

La enfermedad microvascular coronaria (CMD) ha sido difícil de diagnosticar directamente, ya que los métodos actuales dependen de criterios combinados que no siempre son precisos. Investigaciones recientes en modelos murinos sugieren que los patrones de flujo sanguíneo coronario (CBF) pueden contener "huellas" que actúan como indicadores no invasivos de CMD.

Qué hicieron los autores

Los autores del estudio desarrollaron y probaron un algoritmo de aprendizaje automático llamado CORAL (Coronary Risk Assessment with Learning) que analiza los patrones de CBF para identificar CMD. Utilizaron datos de entrenamiento y prueba obtenidos de ratones control y diabéticos en diferentes etapas de la enfermedad, evaluando el CBF y la función cardíaca mediante ecocardiografía y cateterismo de bucle de presión-volumen.

Qué encontraron

Los resultados mostraron que CORAL logró una precisión del 100% en la identificación de CMD en ratones de 12 semanas de edad, que representa una etapa temprana de la enfermedad. En ratones más viejos, el algoritmo mantuvo una precisión del 81% y 83% en los conjuntos de datos de prueba y de prueba independiente, respectivamente. La inclusión de características de la función cardíaca mejoró la precisión hasta el 89% y 90% en esos mismos conjuntos de datos.

Lectura final

Este avance en el diagnóstico de la enfermedad microvascular coronaria a través de técnicas de aprendizaje automático podría transformar la forma en que se identifica y maneja esta condición en pacientes, permitiendo intervenciones más tempranas y efectivas. La capacidad de CORAL para detectar CMD en sus etapas iniciales representa un paso significativo hacia diagnósticos más precisos y menos invasivos en el futuro.

Sigue leyendo

Lectura clínica

Información editorial dirigida a profesionales de la salud. No sustituye la evaluación clínica, las guías vigentes ni el juicio médico.

Clasificación editorial automática

Fuente original

PubMed/NLM – IA clínica

También en el radar

¿Quieres más contexto?

Cada semana seleccionamos las señales de IA que importan, con foco en medicina.

Únete a la lista de RADAR

Te avisaremos cuando publiquemos el primer boletín y recibirás una selección breve de las señales de IA que realmente importan.