El sub diagnóstico de enfermedades cardíacas en mujeres ha sido durante mucho tiempo un problema en el campo de la medicina cardiovascular.
En un intento por abordar este desafío, investigadores de Estados Unidos y Países Bajos han utilizado avanzadas técnicas de inteligencia artificial para desarrollar modelos de riesgo cardiovascular más precisos que los métodos tradicionales.
Estos resultados, publicados en ‘Frontiers in Physiology’, ofrecen una nueva perspectiva sobre cómo mejorar el diagnóstico y la atención médica en esta área crucial de la salud.
El estudio se centró en el reconocimiento de que las enfermedades cardíacas pueden presentar síntomas y manifestaciones diferentes en hombres y mujeres.
Tradicionalmente, los criterios de diagnóstico y evaluación de riesgos se han basado en modelos que no tienen en cuenta estas diferencias anatómicas y fisiológicas.
El popular sistema de puntuación de riesgo de Framingham, por ejemplo, se basa en factores como la edad, el sexo, los niveles de colesterol y la presión arterial, pero no tiene en cuenta las características específicas de cada género.
El equipo de investigación, dirigido por Skyler St. Pierre del Living Matter Lab de la Universidad de Stanford, utilizó un gran conjunto de datos para crear modelos de riesgo cardiovascular que tuvieran en cuenta estas diferencias de género.
Descubrieron que los criterios neutrales al sexo no logran diagnosticar adecuadamente a las mujeres, lo que lleva a un subdiagnóstico grave de enfermedades cardíacas en este grupo demográfico.
Una de las principales conclusiones del estudio fue que el electrocardiograma (EKG) resultó ser el mejor examen para mejorar la detección de enfermedades cardiovasculares tanto en hombres como en mujeres.
Esta técnica no solo es eficaz para identificar problemas cardíacos, sino que también puede proporcionar una visión más completa de la salud cardiovascular de un paciente.
Los investigadores también encontraron que las mujeres estaban subdiagnosticadas en comparación con los hombres para ciertos trastornos cardíacos, como el bloqueo auriculoventricular (AV) de primer grado y la miocardiopatía dilatada.
Este hallazgo destaca la importancia de desarrollar métodos de evaluación de riesgos más sensibles y específicos para cada género.
Además del EKG, los científicos exploraron otras métricas, como la resonancia magnética cardíaca, el análisis de ondas de pulso y las ecografías carotídeas, para mejorar la precisión en la detección temprana de enfermedades cardíacas.
Estas herramientas complementarias podrían proporcionar una evaluación más completa y detallada de la salud cardiovascular de un individuo. El estudio también plantea la necesidad de repensar los factores de riesgo tradicionales para las enfermedades cardíacas y adoptar un enfoque más personalizado y específico para cada paciente.
Si bien los modelos clínicos tradicionales son útiles, el uso de la inteligencia artificial y el aprendizaje automático permite analizar miles de factores posibles y encontrar características nuevas y significativas que podrían mejorar significativamente la detección temprana de enfermedades.
Sin embargo, el estudio reconoce algunas limitaciones, como el hecho de que la población estudiada era mayormente de mediana edad y residente en el Reino Unido, lo que puede limitar la generalización de los resultados a otras poblaciones.
A pesar de esto, los hallazgos ofrecen una visión prometedora sobre cómo la tecnología y la innovación pueden revolucionar el campo de la medicina cardiovascular y mejorar la atención médica para todos.
 se identifica como la técnica más efectiva para mejorar la detección de enfermedades cardiovasculares tanto en hombres como en mujeres.){kind=link}