Los investigadores de la Clínica Mayo están utilizando inteligencia artificial (IA), en combinación con un escáner moderno de volumen corporal 3D, originalmente diseñado para la industria de la confección, para ayudar a los médicos a predecir el riesgo y la gravedad del síndrome metabólico. Según los hallazgos publicados en el European Heart Journal – Digital Health, la combinación de las herramientas proporciona a los médicos una alternativa más precisa a otras medidas de riesgo de enfermedades, como el índice de masa corporal (IMC) y la relación cintura-cadera.
El síndrome metabólico puede provocar ataques cardíacos, accidentes cerebrovasculares y otros problemas de salud graves, y afecta a más de un tercio de la población estadounidense y a una cuarta parte de la población mundial. No existen estrategias de detección universalmente aceptadas para esta enfermedad. Sin embargo, los investigadores descubrieron que el uso de un escáner de volumen corporal 3D, en combinación con tecnología de imagen y algoritmos desarrollados por la Clínica Mayo, puede ayudar a los médicos a ofrecer un método más preciso para identificar a las personas con el síndrome, así como a aquellas con un mayor riesgo de desarrollarlo.
Para desarrollar la herramienta, los investigadores entrenaron y validaron un modelo de IA en 1.280 voluntarios que se sometieron a un examen que incluía escaneos de volumen corporal 3D, cuestionarios clínicos estandarizados, análisis de sangre y mediciones corporales tradicionales. Se tomaron imágenes frontales y laterales a través de una aplicación móvil de Select Research llamada myBVI de 133 voluntarios adicionales para probar aún más la capacidad de la herramienta para determinar si padecían síndrome metabólico y, de ser así, su gravedad.
Las personas con síndrome metabólico suelen tener una figura en forma de manzana, lo que significa que transportan gran parte de su peso en el abdomen. El diagnóstico del síndrome metabólico se basa en análisis de laboratorio, mediciones de la presión arterial y de la forma del cuerpo, pero no existen estrategias de detección rutinarias universalmente aceptadas, ya que estas mediciones no siempre están disponibles o son reproducibles de la misma manera.
