Evaluación del riesgo cardiovascular a través de una red neuronal utilizando datos de la composición corporal. Assessment of cardiovascular risk through a neural network using body composition data.

Resumen

Introducción: La enfermedad cardiovascular (ECV), es la principal causa de morbimortalidad en el mundo, y de forma continua se buscan estrategias para su diagnóstico temprano, que sean lo suficientemente sensibles y específicas para utilizarse de forma masiva. Objetivo: Desarrollar una red neuronal artificial (RNA), para la predicción del riesgo cardiovascular utilizando variables antropométricas, edad y hábitos. Métodos: Se analizaron 256 sujetos entre 16 y 60 años, la RNA se alimentó con las variables: edad, género, tabaquismo, % grasa, grasa visceral y % de masa muscular, el entrenamiento de la red se hizo con 183 sujetos (69%) teniendo en cuenta como variables de salida la probabilidad de ECV pronosticada a 10 años a través de la evaluación del riesgo cardiovascular utilizando las guías Intercolegiadas británicas (ASSIGN), clasificando esta como Riesgo alto > 10%, Riesgo moderado 5 – 10%, Riesgo bajo 1 – 4,9% y muy bajo < 1%. Resultados: El modelo demostró diferencias significativas en las características de química sanguínea y de composición corporal entre los grupos p < 0,0001. El área bajo la curva para la predicción fue: Riesgo alto = 0,999, Riesgo moderado = 0,967, Riesgo bajo = 0,986, riesgo muy bajo = 0,981. Con una sensibilidad que oscila según el riesgo entre 0,750 y 1,000 y una especificidad entre 0,833 y 1,000. Conclusión: Una RNA que utilice la composición corporal como variable de predicción de riesgo cardiovascular presenta un alto valor predictivo, además de ser una herramienta valiosa para la estimación del riesgo cardiovascular, que puede ser de gran utilidad como cribado en diversas poblaciones.

Palabras clave: Inteligencia artificial, Factores de riesgo, Composición corporal, Enfermedad cardiovascular