Tecnología biomédica · us
Predecir la preeclampsia a partir de los vasos del fondo de ojo: una IA retiniana supera una validación externa independiente
Los riesgos durante el embarazo podrían dejar indicios microvasculares antes de que aparezcan los síntomas. Visionary AI mantuvo su capacidad predictiva con imágenes del inicio del embarazo obtenidas en otro hospital, pero esta pequeña validación aún está lejos del cribado rutinario y falta demostrar su utilidad clínica.
La preeclampsia suele manifestar signos clínicos después de la semana 20 del embarazo, aunque los cambios en la función vascular podrían comenzar antes. Identificar el riesgo de forma anticipada podría dar más tiempo para organizar el seguimiento en la atención prenatal. Un estudio publicado el 6 de octubre en *Nature Biotechnology* dirigió la búsqueda de indicios hacia el fondo de ojo: Visionary AI utiliza características de los vasos retinianos para predecir el riesgo de desarrollar preeclampsia posteriormente y completó una validación externa independiente.
La retina ofrece una ventana para observar la microvasculatura. Este sistema identifica primero los vasos en las imágenes y después cuantifica estructuras como las ramificaciones, la forma en que se conectan y su grado de curvatura, para elaborar la predicción. Esto permite a los investigadores rastrear qué características vasculares se asocian con el riesgo; sin embargo, que esas características sean interpretables no equivale a haber demostrado que causen la enfermedad.
La cohorte prospectiva de desarrollo del estudio incluyó a 1,267 embarazadas. En los análisis con controles seleccionados mediante muestreo y validación cruzada, el modelo optimizado para el rendimiento dentro del hospital alcanzó un AUC de 0.91 para predecir la preeclampsia. El AUC mide la capacidad del modelo para distinguir entre quienes desarrollarán la enfermedad y quienes no; no puede interpretarse directamente como una «exactitud del 91%», ni permite determinar, por sí solo, cuántos falsos positivos habría en un cribado real.
Un paso más cercano a poner a prueba su aplicación fue trasladar el modelo centrado en la estabilidad a una cohorte independiente de NYU, sin volver a entrenarlo ni utilizar los resultados locales para ajustarlo, con lo que se obtuvo un AUC de 0.81. Este análisis utilizó imágenes de las semanas 6 a 13 del embarazo y evaluó el rendimiento del modelo en distintos centros, poblaciones y equipos de imagen. Sin embargo, la cohorte solo contaba con 79 personas, y únicamente 13 casos de preeclampsia se incluyeron efectivamente en el análisis de imágenes.
La presentación del estudio de NYU Langone aportó detalles sobre el contexto clínico de la recogida de datos: el equipo programó fotografías de la retina y extracciones de sangre durante las revisiones prenatales rutinarias de los tres trimestres, y después realizó el seguimiento de los resultados del embarazo mediante las historias clínicas. También identificó a Liat Shenhav y Justin Brandt como investigadores principales. Esta descripción corresponde al procedimiento del estudio y no permite deducir que el rendimiento del modelo retiniano en esta ocasión procediera de los análisis de sangre. El laboratorio de Shenhav también confirmó que el artículo se publicó el 6 de octubre, pero no aportó datos adicionales sobre el rendimiento ni sobre los resultados clínicos de las pacientes.
La validación externa hace que los resultados sean más convincentes, aunque el tamaño de la muestra sigue limitando las inferencias. La proporción de preeclampsia era más alta en la cohorte de NYU, y la frecuencia de la enfermedad en la población sometida a cribado influye en cuántos resultados positivos corresponden realmente a personas que desarrollan la enfermedad. El estudio también abarcó únicamente dos centros médicos académicos de Estados Unidos; aún será necesario volver a confirmar el rendimiento en otras regiones, en grupos con distintos perfiles de riesgo o con equipos de menor coste.
La siguiente cuestión clave es cómo incorporar la puntuación de riesgo al proceso asistencial: a partir de qué umbral realizar evaluaciones adicionales, cómo gestionar los falsos positivos y si puede mejorar los resultados maternos y neonatales. Este estudio respalda una evaluación adicional del cribado retiniano al inicio del embarazo, pero todavía no ha demostrado que actuar según los resultados de la IA reduzca las complicaciones. Para determinar si las imágenes del fondo de ojo pueden formar parte de las revisiones prenatales, aún se necesitan estudios prospectivos de mayor tamaño.