Enviar una selfie al médico podría ser una forma barata y sencilla de detectar enfermedades cardíacas, según los autores de un nuevo estudio.
Te puede interesar:
VIDEO: Suegra sigue a su nuera hasta motel y descubre que le es infiel a su hijo
El estudio es el primero en demostrar que es posible utilizar un algoritmo informático de aprendizaje profundo para detectar la enfermedad de las arterias coronarias (CAD) mediante el análisis de cuatro fotografías de la cara de una persona. El nuevo estudio se publicó en el European Heart Journal.
Aunque el algoritmo debe desarrollarse más y probarse en grupos más grandes de personas de diferentes orígenes étnicos, los investigadores dicen que tiene el potencial de usarse como una herramienta de detección que podría identificar una posible enfermedad cardíaca en personas de la población general o en personas de alto nivel; grupos de riesgo, que podrían ser remitidos para más investigaciones clínicas.
Ya se sabe que ciertos rasgos faciales están asociados con un mayor riesgo de enfermedad cardíaca. Estos incluyen adelgazamiento o canas, arrugas, pliegue del lóbulo de la oreja, xantelasmas (pequeños depósitos amarillos de colesterol debajo de la piel, generalmente alrededor de los párpados) y arco córneo (depósitos de grasa y colesterol que aparecen como un anillo opaco blanco, gris o azul brumoso).
Sin embargo, es difícil que los humanos los utilicen con éxito para predecir y cuantificar el riesgo de enfermedad cardíaca.
Enfermeras de investigación capacitadas tomaron cuatro fotografías faciales con cámaras digitales: una frontal, dos perfiles y una vista de la parte superior de la cabeza.
También entrevistaron a los pacientes para recopilar datos sobre el estado socioeconómico, el estilo de vida y el historial médico.
También te puede interesar:
Alumnos muestran solidaridad al ver angustia de profesor al no entender plataformas digitales
Los radiólogos revisaron los angiogramas de los pacientes y evaluaron el grado de enfermedad cardíaca según la cantidad de vasos sanguíneos que se habían estrechado en un 50 por ciento o más y su ubicación. Esta información se utilizó para crear, entrenar y validar el algoritmo de aprendizaje profundo.
