Estimación del riesgo cardiovascular mediante aprendizaje profundo aplicado a tomografía computarizada de baja dosis en el contexto del cribado de cáncer de pulmón

La tomografía computarizada de baja dosis (TCBD) se ha consolidado como una herramienta eficaz en el cribado de cáncer de pulmón en poblaciones de alto riesgo. Sin embargo, estos pacientes presentan también una elevada morbimortalidad cardiovascular, frecuentemente infraestimada en el contexto del cribado oncológico. El artículo analizado propone que, mediante el empleo de modelos de aprendizaje profundo aplicados sobre las imágenes de TCBD, es posible estimar el riesgo cardiovascular de forma no invasiva y simultánea, transformando el estudio torácico en una herramienta de cribado dual con implicaciones clínicas relevantes.

---

---

Antecedentes

Las enfermedades cardiovasculares (ECV) constituyen la principal causa de muerte en muchos países. En particular, en Estados Unidos cerca de la mitad de los adultos padece alguna forma de ECV y más del 30% de las muertes totales se deben a causas cardiovasculares⁽¹⁾. La estratificación del riesgo cardiovascular es fundamental en la práctica clínica para identificar a individuos de alto riesgo y prevenir eventos mediante intervenciones tempranas. Tradicionalmente, la evaluación del riesgo se basa en factores clínicos como la edad, hipertensión, colesterol, tabaquismo, diabetes, etc., integrados en escalas de riesgo (Framingham, SCORE, MESA, etc) y en pruebas diagnósticas como la medición de calcio coronario mediante TC cardíaca con gating ECG. La puntuación de calcio arterial coronario (CAC) obtenida con TC cardíaca es un marcador establecido que correlaciona fuertemente con el riesgo de eventos coronarios y mortales por ECV, y se utiliza clínicamente para guiar la prevención primaria en pacientes seleccionados⁽²⁾.

En pacientes con antecedente de cáncer o con factores de riesgo oncológico, la carga de riesgo cardiovascular adquiere especial relevancia. Estudios epidemiológicos indican que los pacientes con diagnóstico de cáncer presentan un riesgo hasta diez veces mayor de morir por causas cardiovasculares en comparación con la población general⁽³⁾. Esto puede atribuirse a factores de riesgo compartidos (tabaquismo, edad avanzada, etc.), a los efectos cardiotóxicos de algunos tratamientos oncológicos y al propio proceso tumoral. En el caso concreto del cáncer de pulmón –uno de los cánceres más letales y estrechamente asociado al tabaquismo– la población sometida a cribado oncológico suele tener perfil de alto riesgo cardiovascular. Por ello, no resulta sorprendente que en los ensayos de cribado de cáncer de pulmón se haya observado una mortalidad cardiovascular significativa. En el National Lung Screening Trial (NLST), que demostró la efectividad del cribado con TC de baja dosis para reducir la mortalidad por cáncer de pulmón, fallecieron 356 participantes por cáncer de pulmón durante aproximadamente 6 años de seguimiento, pero 486 participantes fallecieron por causas cardiovasculares, superando a las muertes por cáncer⁽⁴⁾. De modo similar, el ensayo europeo NELSON reportó que la mortalidad total fue comparable entre el grupo sometido a cribado y el grupo control, pese a la reducción de muertes por cáncer de pulmón en el grupo cribado⁽⁵⁾. Estos datos ponen de manifiesto que, en sujetos de alto riesgo (fumadores de larga data, edad media alrededor de 60 años), el riesgo cardiovascular compite con el riesgo de cáncer como causa de morbimortalidad. Por lo tanto, integrar la evaluación de enfermedades cardiovasculares en el contexto del cribado de cáncer de pulmón podría potencialmente salvar vidas y mejorar los resultados globales de salud en esta población.

Sin embargo, en la práctica el riesgo cardiovascular suele pasarse por alto durante los programas de detección de cáncer. Los exámenes de TCBD se enfocan en la búsqueda de nódulos pulmonares, y aunque pueden revelar hallazgos incidentales como calcificaciones coronarias, enfisema, etc., dichos hallazgos no siempre se reportan o gestionan adecuadamente. Un estudio reportó que sólo aproximadamente un tercio de los pacientes con calcificación coronaria significativa detectada en una TCBD de cribado tenían un diagnóstico previo de enfermedad coronaria, y menos de una cuarta parte recibió algún ajuste en su manejo cardiovascular tras hallarse dicha calcificación⁽⁶⁾. Esto sugiere que la mayoría de casos de aterosclerosis coronaria incidental en el cribado pulmonar no estaban ni siquiera siendo identificados, y que la detección incidental rara vez conducía a intervenciones (p. ej., derivación al cardiólogo, pruebas de esfuerzo o cambios terapéuticos) en la mayoría de los pacientes. Desde 2015, al implementarse la cobertura por Medicare del cribado anual de CA de pulmón con TCBD en Estados Unidos, el volumen de exploraciones ha crecido rápidamente a entre 7–10 millones de pruebas por año⁽⁷⁾. Dada esta enorme oportunidad, diversos autores han abogado por utilizar las mismas imágenes de cribado de pulmón para realizar un “cribado cardiovascular oportunista”, identificando a pacientes con CAC u otros hallazgos que indiquen alto riesgo coronario. De hecho, estudios recientes han confirmado que la mayoría de pacientes fumadores que se someten a TCBD presentan alguna calcificación coronaria: por ejemplo, en un programa piloto canadiense el 83% de los participantes tenían CAC visible en la TC ( un 30% presentaban niveles altos de CAC)⁽⁷⁾. Esta alta prevalencia refuerza la importancia de evaluar el riesgo CV en esta población. El reto está en cómo realizar dicha evaluación sin sobrecargar a los radiólogos ni someter a los pacientes a pruebas adicionales innecesarias.

El estándar clínico para estratificar riesgo coronario por imagen es la realización de una TC cardíaca no contrastada, sincronizada con ECG, para calcular la puntuación de calcio (Agatston) de las arterias coronarias. Esta prueba dedicada conlleva un costo adicional y exposición a radiación, por lo que no está indicada en todos los pacientes de riesgo sino de forma selectiva. En cambio, las TCBD que ya se les están realizando a millones de personas como método de screening oncológico, contienen información valiosa sobre el sistema cardiovascular, particularmente la presencia y extensión de calcificaciones coronarias, que está fuertemente asociada al riesgo de ECV. Estudios retrospectivos han mostrado que la visualización del CAC en TC sin sincronización ECG (como la de cribado pulmonar) correlaciona con la ocurrencia de eventos cardiovasculares futuros⁽⁸⁾. Sin embargo, estas imágenes presentan limitaciones técnicas importantes para la evaluación cardíaca: al no estar sincronizadas con el ciclo cardíaco, sufren de artefactos de movimiento; además utilizan dosis bajas y reconstrucciones gruesas que aumentan el ruido y reducen la resolución espacial de las arterias coronarias. Esto dificulta una cuantificación precisa del CAC de forma manual, y prácticamente imposibilita evaluar otros indicadores como la presencia de placas no calcificadas o el grado de estenosis coronaria. Pese a estas dificultades, se han propuesto sistemas de puntuación visual simplificada del CAC en TC de tórax (por rangos de severidad) que han demostrado valor pronóstico y concordancia moderada con la puntuación Agatston obtenida de TC cardíaca dedicada. Además, el uso de software y algoritmos de inteligencia artificial (IA) ofrece la posibilidad de extraer cuantitativamente información cardiovascular de estas exploraciones “no cardíacas” de manera eficiente⁽⁹⁾.

En la última década, la irrupción del deep learning (aprendizaje profundo) ha supuesto un salto cualitativo en el análisis de imágenes médicas. Los algoritmos de deep learning, particularmente las redes neuronales convolucionales (CNN), han mostrado un desempeño sobresaliente en la detección de patrones sutiles en imágenes de TC que pueden pasar inadvertidos para el ojo humano. En el ámbito cardiovascular, múltiples trabajos han aplicado machine learning para automatizar la estimación de factores de riesgo y marcadores de imagen. Por ejemplo, existen métodos basados en aprendizaje automático capaces de detectar y cuantificar automáticamente la calcificación coronaria en TC cardíacas, segmentar placas ateroscleróticas no calcificadas en las arterias, e incluso estimar el grado de estenosis luminal coronaria a partir de angiografía por TC. No obstante, la mayoría de estos desarrollos se han dirigido a imágenes de TC cardiaca con sincronización ECG, donde la calidad de imagen es alta. Aplicar estas técnicas a TC de tórax de baja dosis (no sincronizadas) ha sido más desafiante por el ruido y artefactos mencionados. Solo recientemente han emergido algoritmos de deep learning para cuantificar el CAC en TC de cribado pulmonar como un biomarcador sustituto de riesgo cardiovascular. Incluso menos comunes son los enfoques que intentan predecir directamente el riesgo de eventos o mortalidad cardiovascular a partir de las imágenes de TCBD, integrando toda la información relevante presente en la exploración más allá del calcio coronario^(10,11).

Un ejemplo pionero lo ofrece van Velzen et al. (2020), quienes propusieron un método en dos etapas para predecir la mortalidad cardiovascular a 5 años analizando TC de baja dosis. En su enfoque, primero se extraían características de la imagen mediante un autoencoder convolucional (una red neuronal que comprime la imagen en un conjunto de rasgos latentes), y luego dichas características se introducían en un clasificador aparte (como un bosque aleatorio, SVM o red neuronal) para estimar el riesgo de muerte CV⁽¹²⁾. Si bien demostraron la factibilidad de este concepto (con un rendimiento moderado, AUC 0,67-0,70 en validación), la estrategia de dos etapas puede ser subóptima porque la primera red no está informada del objetivo final durante el entrenamiento. Es decir, las características que aprende el autoencoder pueden no ser las más pertinentes para predecir riesgo si este no forma parte explícita de su función de costo.

Otro trabajo relevante es el de KAMP-Net, desarrollado por los mismos autores del artículo que nos ocupa en un estudio previo. KAMP-Net fue un modelo de aprendizaje profundo diseñado para predecir la mortalidad por cualquier causa a partir de TC de cribado, utilizando una estrategia simplificada: seleccionar un corte 2D representativo de la región cardíaca en la TC de tórax y aplicar una CNN 2D para estimar el riesgo individual de mortalidad total. Con esta técnica lograron un AUC de 0,76 para predicción de mortalidad a largo plazo en una cohorte pequeña (180 pacientes), indicando que las imágenes de TCBD contienen señales pronósticas relevantes más allá del hallazgo de cáncer. No obstante, KAMP-Net se basaba en un único corte por paciente, potencialmente perdiendo información tridimensional importante, y su muestra de entrenamiento fue limitada⁽¹³⁾.

En síntesis, la literatura previa sugiere:

1. la población que acude a cribado de cáncer de pulmón tiene una carga elevada de riesgo cardiovascular, a menudo no gestionado;
2. las imágenes de TC de baja dosis aportan información valiosa (especialmente CAC) relacionada con el riesgo CV;
3. la IA y el deep learning pueden ser herramientas poderosas para extraer y interpretar automáticamente esa información; y
4. estudios iniciales han demostrado la viabilidad de predecir resultados clínicos (mortalidad) a partir de dichas imágenes, aunque con márgenes de mejora en cuanto a exactitud y diseño metodológico.

Sobre este trasfondo, el artículo de Chao et al. (2021) busca llevar el concepto un paso adelante, proponiendo un modelo de deep learning integral y entrenado con un gran volumen de datos, capaz de realizar doble cribado, es decir, detectar simultáneamente enfermedad cardiovascular y estratificar el riesgo de eventos cardiovasculares usando únicamente las exploraciones de TC de tórax ya obtenidas para cribado de cáncer de pulmón. A continuación, se describen detalladamente los métodos y hallazgos de dicho estudio, y se analizan sus implicaciones en el contexto clínico actual.

---

Resumen del trabajo elegido

En este estudio de tipo retrospectivo, observacional, con desarrollo y validación de un modelo de inteligencia artificial, los autores utilizaron datos de dos cohortes independientes:

• Una cohorte del National Lung Screening Trial (NLST), de donde se obtuvieron las imágenes de TC de baja dosis y datos de seguimiento a largo plazo (incluyendo causas de muerte) para entrenar y validar el modelo predictivo.
• Una cohorte de Massachusetts General Hospital (MGH), que aportó estudios de TCBD de cribado pulmonar junto con estudios cardíacos complementarios en un subgrupo, utilizada para validar externamente el modelo ya entrenado, comparándolo contra marcadores clínicos estándares de riesgo cardiovascular.

---

Criterios y definición de eventos

En la cohorte NLST, cada sujeto se clasificó retrospectivamente como CVD-positive (con enfermedad cardiovascular) o CVD-negative (sin ECV) en base a la información disponible durante el ensayo. Se consideró CVD-positive a aquel participante que presentó alguna anomalía cardiovascular en las TC de cribado (por ejemplo, calcificaciones coronarias u otro hallazgo relevante reportado) o que falleció por causa cardiovascular durante el seguimiento del NLST. Por el contrario, un sujeto se etiquetó CVD-negative si no tenía antecedentes cardiovasculares conocidos, no mostró anomalías cardiovasculares en ninguna de las TC realizadas en el ensayo, y no falleció por enfermedades cardiovasculares. Cabe destacar que para identificar las muertes de origen cardiovascular, los investigadores utilizaron los certificados de defunción codificados con CIE-10 disponibles en la base de datos pública del NLST, seleccionando aquellos códigos correspondientes a causas cardiovasculares (infarto de miocardio, enfermedad coronaria, ictus, insuficiencia cardíaca, etc.). Todos los sujetos que murieron por causas cardiovasculares se incluyeron en el grupo CVD-positive independientemente de otros hallazgos. Además, se extrajo por separado la información de mortalidad cardiovascular específica para cuantificar el riesgo de muerte CV a lo largo de alrededor de 6 años de seguimiento.

En la cohorte MGH, recopilada posteriormente (años 2015-2020), la situación era distinta: al ser pacientes más recientes, no se disponía de años de seguimiento para observar mortalidad, pero sí se contaba con pruebas diagnósticas cardíacas realizadas en muchos de ellos. De 335 pacientes que se habían sometido a TCBD de cribado de pulmón en MGH, un subgrupo de 235 pacientes también había sido estudiado con TC cardíaca con gating ECG (CCT) para evaluar enfermedad coronaria (generalmente debido a síntomas atípicos o pruebas de esfuerzo equívocas). En estos 235 casos, los autores calcularon tres scores de riesgo cardiovascular a partir de las CCT: el CAC score (puntuación Agatston de calcio coronario), la clasificación CAD-RADS (grado de estenosis coronaria más grave, en una escala de 0 a 5), y la puntuación de riesgo MESA a 10 años (que integra factores clínicos y CAC para estimar riesgo de eventos en 10 años). Estos marcadores se tomaron como referencia para evaluar si el modelo de IA era capaz de predecir riesgo equivalente usando sólo la TCBD. En cuanto a las estrategias de screening en MGH, los pacientes se etiquetaron como CVD-positive si cumplían los siguientes criterios en la evaluación cardiológica: CAC > 10 o CAD-RADS > 1 en la TC cardíaca. Los CVD-negative en MGH fueron aquellos con TCBD sin hallazgos de CAC y que además tenían CAC ≤ 10 y CAD-RADS ≤ 1 en la CCT (es decir, sin evidencia de enfermedad coronaria). Así, en la cohorte MGH, 181 sujetos fueron clasificados CVD-positive y 154 CVD-negative.

---

Datos y participantes

Del NLST, los autores recibieron una muestra muy amplia de imágenes de TC: 47.221 estudios de TCBD correspondientes a 16.264 sujetos. Cada sujeto en NLST tuvo entre 1 y 3 TC de cribado (recordemos que el protocolo NLST era hacer TC anual hasta por 3 años). Tras aplicar criterios de inclusión/exclusión, quedaron 10.395 sujetos elegibles con sus respectivas TC. De estos, 2.962 fueron etiquetados con ECV (CVD-positive) y 7.433 sin ECV (CVD-negative). La edad media de los participantes rondaba los 61 años (desviación estándar ~5 años) al momento del cribado, con ligera predominancia masculina (59% hombres). En total, en esta cohorte hubo 600 fallecimientos por causas cardiovasculares a lo largo del seguimiento, frente a 9.795 supervivientes o fallecidos por causas no CV.

La cohorte MGH tenía una media de edad similar (63,6 ± 8,0 años) pero con proporción de mujeres ligeramente mayor (52% mujeres). Estos pacientes del “mundo real” incluyeron fumadores de riesgo que acudieron a cribado y, en su mayoría, aquellos que presentaron algún indicio de patología cardiovascular durante el proceso (dado que 235/335 terminaron realizándose una TC cardíaca por sospecha clínica).

---

Figura 1. Flujo del estudio. El análisis se basó en imágenes de TC de baja dosis de la cohorte NLST, donde se aplicó segmentación cardíaca para extraer el volumen de interés. Posteriormente, se entrenó el modelo Tri2D-Net, que fue validado externamente en una cohorte independiente del MGH. El objetivo fue evaluar su capacidad para detectar enfermedad cardiovascular subclínica y estimar el riesgo de mortalidad.

---

---

Tabla 1. Características generales del estudio. Descripción resumida de las cohortes utilizadas, tipo de imagen analizada, número de sujetos incluidos y estrategia de entrenamiento aplicada al modelo Tri2D-Net.

---

---

Arquitectura del modelo de "deep learning"

Para analizar las imágenes, los investigadores desarrollaron un modelo de red neuronal convolucional tridimensional (3D CNN) al que llamaron Tri2D-Net. El nombre Tri2D hace referencia a la estrategia empleada: aunque el modelo opera en 3D considerando el volumen completo de la TC torácica, internamente está compuesto de múltiples redes 2D que extraen características en los tres planos ortogonales (axial, sagital, coronal), combinando así la información tridimensional de manera eficiente (es una técnica para reducir la complejidad computacional en volúmenes 3D). La arquitectura exacta se detalla en el artículo original, pero a grandes rasgos consta de dos componentes principales :

1. Detector de corazón: Primero, se entrenó una CNN especializada para localizar el corazón dentro del campo pulmonar de la TC. Esto permite hacer un recorte (cropping) del volumen de imagen enfocado en la región cardíaca, excluyendo otras zonas del tórax que no aportan información para ECV. Emplearon 263 TCBD del NLST con anotaciones manuales de la ubicación cardíaca para entrenar este detector, logrando aislar automáticamente un sub-volumen que contiene al corazón y grandes vasos.
2. Red Tri2D-Net para predicción: Sobre el volumen recortado del corazón, actúa la red profunda Tri2D-Net propiamente dicha. Esta red está diseñada para simultáneamente realizar dos tareas: (a) screening de ECV (clasificar al sujeto como CVD-positive vs CVD-negative) y (b) estimar un score continuo de riesgo de mortalidad cardiovascular. En realidad, ambas tareas se unifican durante el entrenamiento usando un solo objetivo: la red se entrena para predecir la etiqueta binaria de CVD-positive (que incluye a quienes murieron por ECV) pero interpretando la probabilidad resultante como un puntaje de riesgo de mortalidad CV. De esta manera, tras el entrenamiento, la salida del modelo es una probabilidad entre 0 y 1 que indica qué tan “positiva” para enfermedad/alto riesgo ve la imagen; esa probabilidad se utiliza tanto para decidir una etiqueta (aplicando un umbral) como para graduar el riesgo de muerte cardiovascular. La Tri2D-Net incorpora a su vez un bloque de atención (mecanismo de attention) que ayuda a enfocarse en regiones de la imagen especialmente útiles para la predicción (por ejemplo, áreas con calcificación coronaria, aorta, grasa pericárdica, etc.), aunque esos detalles son técnicos. En suma, es una red neuronal multicapa que aprende características de las imágenes 3D del corazón y produce un score de riesgo.

El entrenamiento de Tri2D-Net se realizó utilizando las etiquetas de screening cardiovascular definidas en NLST como patrón de referencia (CVD-positive vs CVD-negative). Es decir, se le proporcionaron miles de TC con su etiqueta de presencia/ausencia de ECV (según criterios ya explicados) para que la red ajustara sus parámetros aprendiendo a distinguirlas. En total, se usaron 7.268 sujetos para entrenamiento (70% de la cohorte NLST), 1.042 sujetos para validación interna de ajuste de hiperparámetros (10%), y finalmente 2.085 sujetos quedaron separados como conjunto de prueba (test set, 20% de NLST) para evaluar el rendimiento final del modelo. Este conjunto de prueba es crucial: nunca fue “visto” por el modelo durante el entrenamiento, por lo que sus resultados reflejan la capacidad predictiva generalizada del algoritmo.

Adicionalmente, sobre ese conjunto de prueba (2.085 TC), los autores realizaron un estudio comparativo con radiólogos humanos y con otros algoritmos previos. Tres radiólogos expertos en imagen cardíaca de MGH revisaron de manera independiente todas las TCBD de la cohorte de prueba y asignaron una categoría visual de CAC a cada caso. Usaron cuatro categorías ordinales de calcificación coronaria:

• 0 = sin calcificaciones,
• 1 = calcificación leve (< 1/3 de la longitud de las arterias coronarias presentando placa calcificada),
• 2 = calcificación moderada (1/3 a 2/3 de las arterias con placa) y
• 3 = calcificación extensa (> 2/3 de las arterias con calcio).

Luego se promedió el grado asignado por los tres radiólogos para tener una calificación de CAC por consenso para cada paciente. Esta evaluación sirvió para dos propósitos: primero, comparar la capacidad de detección de ECV del modelo vs la detección basada en encontrar cualquier CAC (grado ≥1) por radiólogo; y segundo, comparar la capacidad de predicción de mortalidad CV del modelo vs la estratificación de riesgo basada en distintos umbrales de CAC visual (por ejemplo, considerar de alto riesgo solo a los que tenían CAC grado 2 o 3, etc.).

Asimismo, se comparó el desempeño de Tri2D-Net con el de tres métodos previos reportados en la literatura:

1. KAMP-Net (el modelo 2D previo de los autores para mortalidad),
2. un método basado en autoencoder + SVM (similar al de van Velzen 2020), y
3. DeepCAC, un algoritmo de aprendizaje profundo específico para cuantificación de CAC en TC.

Estos métodos habían sido entrenados en contextos similares y publicados recientemente, por lo que ofrecen un punto de referencia del estado del arte hasta 2021^(12,14,15).

---

Métricas de evaluación

Para evaluar la capacidad de detección de enfermedad cardiovascular (tarea de screening binaria CVD-positive vs CVD-negative) se utilizó principalmente el área bajo la curva ROC (AUC) en el conjunto de prueba. Una AUC elevada indica que el modelo asigna puntuaciones de riesgo más altas consistentemente a los sujetos con ECV que a los sujetos sanos. Además, se reportaron puntos operativos concretos: por ejemplo, la sensibilidad y especificidad obtenidas al fijar cierto umbral. Los autores prestaron especial atención al valor predictivo positivo (VPP), dado que en un escenario de cribado es importante que la proporción de falsos positivos no sea demasiado alta. Para la predicción de mortalidad cardiovascular, igualmente se usó la AUC (interpretando la etiqueta positiva como “murió por ECV durante el seguimiento”) y se evaluó el rendimiento del modelo para identificar a los sujetos que efectivamente fallecieron por causa CV.

En la cohorte MGH, al no haber datos de mortalidad a largo plazo, la evaluación se realizó comparando las puntuaciones continuas de riesgo generadas por el modelo con los gold standards calculados a partir de la TC cardíaca:

• Se evaluó si la puntuación del modelo podía distinguir a pacientes con CAC severo (definido clásicamente como Agatston ≥ 400) frente a aquellos con CAC ausente o leve. Para esto se calculó la AUC tomando como “verdad” la etiqueta de CAC severo sí/no.
• De manera análoga, se calculó la AUC para distinguir pacientes con estenosis coronaria significativa (definida como CAD-RADS ≥ 4, es decir, al menos una estenosis ≥ 70%) frente a no significativa (CAD-RADS < 4).
• Por último, se dividió a los pacientes según su riesgo cardiovascular a 10 años MESA en alto vs bajo (tomando el valor mediano ~14,2% a 10 años como umbral) y se evaluó qué tan bien el modelo identificaba al grupo de alto riesgo (AUC correspondiente).

---

Resultados – Detección de ECV (screening) en cohorte NLST

En el conjunto de prueba de 2.085 sujetos del NLST, la red de aprendizaje profundo logró un desempeño sobresaliente en la identificación de pacientes con enfermedad cardiovascular. La AUC fue 0,871 (intervalo de confianza 95%: 0,860–0,882). Un valor de AUC≈0,87 implica que en el 87% de las veces el modelo asignó mayor probabilidad de ECV a un paciente verdaderamente enfermo que a uno sano, lo cual indica excelente discriminación.

Para una interpretación más clínica, los autores fijaron un punto de corte en la probabilidad para obtener un valor predictivo positivo (VPP) de 50%. Es decir, se calibró el modelo para que la mitad de los sujetos identificados como positivos realmente tuvieran criterios de ECV; con esa configuración, el modelo alcanzó una sensibilidad de 87,7%. En otras palabras, cubriendo un 50% de falsos positivos, la red detectó al casi el 88% de los pacientes con enfermedad cardiovascular. Este nivel de sensibilidad/VPP sugiere que el modelo podría servir como filtro: captura la gran mayoría de casos enfermos admitiendo un número manejable de falsas alarmas.

Comparativamente, ¿cómo lo hicieron los radiólogos humanos en esta tarea? Si se considera como “prueba positiva” el encontrar cualquier calcificación coronaria (CAC grado ≥1 en la lectura visual), los radiólogos lograron una sensibilidad altísima (96,6%) –prácticamente detectaron a casi todos los pacientes con ECV, puesto que es muy infrecuente tener enfermedad CV sin nada de CAC visible–, pero a costa de una baja VPP (35,3%), ya que muchas personas tienen algún grado menor de calcio sin que esto implique necesariamente enfermedad cardiovascular significativa. El modelo de IA, con una sensibilidad similar (~96,6%), obtuvo un VPP ligeramente superior (38,4%), aunque la diferencia no fue estadísticamente significativa (p = 0,38). Esto indica que ambos (radiólogos usando CAC mínimo, y el modelo) rindieron parecido en términos de sensibilidad/VPP. Ahora bien, cuando se comparó el modelo con otros métodos automatizados reportados, Tri2D-Net superó significativamente a KAMP-Net, al autoencoder+SVM y a DeepCAC. En el cuadro resumen (Fig. 2a del artículo) se muestran los AUC de estos métodos: el modelo propuesto aventajó a los previos con p < 0,0001. Aunque no se dan todos los valores numéricos en el texto, se menciona que esta diferencia confirma la capacidad de Tri2D-Net de aprovechar las TCBD para distinguir sujetos con alto riesgo CV de aquellos de bajo riesgo mejor que los enfoques anteriores.

---

Resultados – Predicción de mortalidad cardiovascular en NLST

Quizá el aspecto más innovador del estudio es evaluar si el algoritmo puede anticipar qué pacientes van a morir por causas cardiovasculares en el seguimiento, basándose en la TC inicial. Para ello, se examinó el subconjunto de 120 sujetos del test set que efectivamente fallecieron por ECV durante 6 años, comparándolos contra los demás vivos o fallecidos por otras causas (aproximadamente 1.965 sujetos). La red Tri2D-Net alcanzó una AUC = 0,768 (IC95%: 0,734–0,801) para discriminar a los futuros fallecidos CV. Este es un resultado muy notable, ya que predice un desenlace a largo plazo influenciado por múltiples factores, usando solo una imagen de TC. De hecho, superó el rendimiento de los otros métodos comparativos (diferencias estadísticamente significativas, p ≤ 0,0017). Por ejemplo, en la figura 2b del artículo se reporta que algoritmos previos como DeepCAC o KAMP-Net presentaban AUC más bajas (aprox 0,69–0,71), mientras que el modelo nuevo casi los aventaja por un 7–10% en AUC, lo cual en términos de predicción de eventos es una mejora sustancial.

Desde un punto de vista clínico, los autores evaluaron escenarios concretos con umbrales de decisión. Un análisis interesante fue comparar la estrategia del modelo con la de los radiólogos usando cierto grado de CAC como criterio de alto riesgo. Los radiólogos, al promediar sus lecturas, consideraron “alto riesgo” a aquellos con CAC grado ≥2(moderado a extenso), lo cual arrojó un VPP promedio de 10,8% para mortalidad CV (es decir, de los que tenían CAC significativo, ~10% murieron por ECV). Ajustando el umbral del modelo para igualar ese VPP de ~10%, la sensibilidad del modelo fue 80,8%, identificando 97 de 120 muertes CV como alto riesgo. En cambio, la estrategia CAC≥2 de los radiólogos solo habría identificado a 62 de esas 120 (alrededor del 51,6%). De hecho, 35 pacientes que sí murieron por ECV fueron clasificados de bajo riesgo según CAC visual (falsos negativos de la lectura humana), pero el modelo los identificó correctamente como alto riesgo. Esto sugiere que el algoritmo está captando factores de riesgo adicionales o patrones no evidentes que van más allá de la simple carga de calcio coronario.

Otra forma de apreciarlo fue mediante curvas de Kaplan-Meier estratificando la cohorte de prueba en grupos de riesgo alto/bajo según el modelo vs según los radiólogos. Los radiólogos usando CAC grado 2+ lograron separar grupos con supervivencia a 6 años del 95,8% (bajo riesgo) vs 85,8% (alto riesgo). Cuando el modelo se calibró para que su grupo de bajo riesgo tuviera la misma supervivencia (~95,8%) que el de radiólogos, el grupo de alto riesgo identificado por el modelo tuvo una supervivencia final significativamente menor: 73,2%. Es decir, el modelo fue más específico al definir quiénes realmente tendrían mal pronóstico. Inversamente, calibrando para igualar la supervivencia del grupo alto riesgo de radiólogos (~85,8%), el modelo obtuvo un grupo bajo riesgo con supervivencia mayor (97,5%) que el de radiólogos, diferenciando mejor a los verdaderamente de buen pronóstico. Estas diferencias fueron estadísticamente significativas (p = 0,0059 y p = 0,0272, respectivamente). En resumen, la estratificación de riesgo proporcionada por la IA parece más precisa y podría ayudar a reducir la variabilidad entre observadores humanos. Los autores enfatizan que el modelo podría automáticamente categorizar el riesgo CV de los pacientes, permitiendo que el radiólogo se concentre en otras tareas del informe de la TC (nódulos pulmonares, hallazgos incidentales en pulmón y abdomen, etc.).

---

Resultados – Validación externa (cohorte MGH)

Al aplicar el modelo entrenado en NLST directamente sobre los 335 casos de MGH, se encontró una excelente capacidad de generalización. En la tarea de screening (detectar ECV significativa según la etiqueta definida de CAC>10 o CAD-RADS>1), la AUC fue 0,924 (IC95%: 0,909–0,940). Sorprendentemente, esta AUC es incluso mayor que la obtenida en la propia cohorte NLST (0,871). Los autores proponen dos razones posibles: primero, las imágenes de MGH provenían de scanners más modernos y con protocolos actuales (2015-2020) por lo que su calidad es superior a las del NLST (escaneadas alrededor de 2002); segundo, la definición del criterio de referencia en MGH combinaba la información de la TCBD con una evaluación cardíaca confirmatoria por CCT, lo que brinda etiquetas más precisas (menos erores en torno quién tiene o no ECV). En cualquier caso, el desempeño del modelo en MGH reafirma que la IA no estaba sobreajustada a los datos del NLST, sino que capturó patrones generales aplicables a pacientes de distinto centro y época.

En cuanto a la correlación con marcadores estándar:

• CAC score: Tomando el umbral clásico de Agatston ≥ 400 para definir CAC severo (alto riesgo), había 78 pacientes MGH con CAC severo y 157 con CAC ninguno/leve. Usando solo la TC de baja dosis, el modelo logró AUC = 0,881 para identificar a los de CAC severo. Superó significativamente a los otros dos métodos comparativos (p < 0,0001) pese a que nunca fue entrenado específicamente para cuantificar calcio. Esto es notable: su puntuación de riesgo concuerda en gran medida con tener un Agatston elevado, aunque el modelo no calcula ningún Agatston ni fue dado ese objetivo explícitamente. Sugiere que la red aprendió a imitar la evaluación de CAC de manera implícita entre sus parámetros. Los autores concluyen que su score de riesgo capta de forma consistente el impacto del CAC en el riesgo CV.
• CAD-RADS (estenosis coronaria): Se consideró “estenosis severa” CAD-RADS ≥ 4 (estenosis significativa en al menos una arteria) y “no severa” CAD-RADS ≤ 3. En la cohorte MGH, 51 sujetos tenían estenosis severa según la CCT, y 184 no. El modelo con TCBD alcanzó AUC = 0,763 (IC95%: 0,704–0,821) para distinguir estos casos. Aunque menor que los anteriores, este nivel de precisión sigue siendo llamativamente bueno dado que detectar estrechamientos coronarios en una TC sin contraste y con movimiento es extremadamente difícil incluso para humanos (el calcio es más fácil de ver). El modelo superó también a los métodos previos (p ≤ 0,008) en esta tarea. Los autores señalan que la detección de placa no calcificada y grado de estenosis es casi imposible en TC de tórax, así que este resultado “alentador” indica que el modelo posiblemente está usando marcadores indirectos de enfermedad coronaria obstructiva (por ejemplo, distribución de calcificaciones, dilatación aórtica, o ciertas texturas). Esto refuerza la idea de que la IA puede extraer indicios que van más allá de la simple suma de calcio.
• Riesgo MESA 10 años: De los 235 pacientes con datos suficientes, se calculó el riesgo aterosclerótico a 10 años; usando el valor medio de ~14,2% como corte, 52 pacientes se consideraron de riesgo alto según MESA y 54 de riesgo bajo. El modelo de IA logró AUC = 0,835 para predecir qué pacientes estaban en el grupo de alto riesgo MESA. Nuevamente superó a los métodos previos en esta comparación. Dado que el score MESA integra múltiples variables (edad, sexo, colesterol, tensión arterial, diabetes, tabaco, y el CAC), este resultado sugiere que el modelo captura, a partir de la imagen, señales correlacionadas con varios de esos factores. Por ejemplo, la edad y sexo pueden inferirse parcialmente de la morfología anatómica; la presencia de enfisema en la TC podría correlacionar con tabaquismo; la calcificación valvular o aórtica puede reflejar hipertensión o avanzada edad, etc. En definitiva, la IA parece resumir en su score de riesgo la información radiológica equivalente a evaluar muchos factores clínicos juntos.

---

Hallazgos adicionales – Interpretabilidad

Para entender qué estaba viendo la red neuronal al tomar sus decisiones, los autores aplicaron técnicas de visualización de características. Usaron mapas de activación tipo Grad-CAM(Gradient-weighted Class Activation Mapping) para resaltar en color las regiones de la imagen que más contribuían a la predicción del modelo. Adicionalmente, extrajeron los mapas de atención internos del módulo de atención de Tri2D-Net. En la Figura 5 del artículo original se muestran ejemplos de estas visualizaciones en tres casos ilustrativos :

• Caso (a): Un paciente con CAC extenso (grado 3 por lectura radiológica) que falleció por ECV. El Grad-CAM del modelo resaltó intensamente las áreas de calcificación en las arterias coronarias, otorgando a este paciente un score de riesgo muy alto (0,90, en escala 0-1). Es consistente con lo esperado: el modelo detectó la carga de calcio masiva como señal de alto riesgo.
• Caso (b): Paciente que también murió por ECV, pero que solo tenía CAC leve-moderado (grado ~1,67). El mapa de atención mostró que la red enfocó su atención en gran cantidad de tejido adiposo pericárdico/mediastínico alrededor del corazón. Este paciente recibió igualmente un score de riesgo alto (0,82) pese a no tener mucho calcio. Esto indica que el modelo identificó la grasa pericárdica abundante como un factor de riesgo importante. En efecto, en la literatura clínica la cantidad de grasa epicárdica/pericárdica se asocia a síndrome metabólico y mayor riesgo cardiovascular, independientemente del CAC.
• Caso (c): Paciente sobreviviente que no tuvo eventos, con CAC mínimo (grado ~1,33). El modelo predijo un bajo riesgo (0,23) y los mapas no mostraron focos relevantes de activación (ni calcio significativo ni otras anomalías). Esto coincide con un perfil de riesgo bajo.

Estas visualizaciones cualitativas aportan confianza en que el modelo está “mirando” variables conocidas y comprensibles médicamente: no se trata de un black box inescrutable, sino que está basando sus predicciones en hallazgos como la calcificación coronaria y la grasa pericárdica (posiblemente también dilatación de la aorta, o del ventrículo, etc., aunque no se menciona explícitamente). Además, los autores cuantificaron la correlación entre la puntuación de riesgo del modelo y el volumen de grasa alrededor del corazón medido en las TC. Encontraron una correlación de Pearson r = 0,199 (p < 0,0001), débil pero significativa, mientras que la correlación entre el CAC (tanto visual por radiólogo como automatizado por otro modelo) y la grasa era mucho menor (r ~0,08). Esto confirma que el modelo integra la señal de la adiposidad pericárdica en su cálculo de riesgo, algo que los métodos centrados solo en CAC no logran hacer. La habilidad de captar múltiples biomarcadores a la vez (calcio, grasa, etc.) probablemente explica por qué Tri2D-Net supera a los modelos previos basados únicamente en CAC para predecir riesgo.

---

Resumen de hallazgos principales

El modelo de aprendizaje profundo entrenado con TC de cribado pulmonar:

• Identifica a pacientes con enfermedad cardiovascular de forma muy precisa (AUC ~0,87), similar a detectar cualquier signo de CAC pero con menos falsos positivos que la simple presencia de calcio.
• Estratifica el riesgo de mortalidad cardiovascular, superando a métodos anteriores y aproximándose al desempeño de evaluaciones especializadas con TC cardíaca (AUC ~0,77 para predicción a 6 años). Al aplicar umbrales, puede detectar a entre el 80–88% de los individuos que sufrirán muerte CV, reduciendo sustancialmente los casos pasados por alto en comparación con criterios basados solo en CAC.
• Generaliza bien a otra población, manteniendo o mejorando su exactitud en un centro externo (MGH).
• Muestra una fuerte correlación con medidas estándares de riesgo obtenidas de TC cardíaca (CAC, CAD-RADS, MESA) sin necesitar esas medidas explícitamente. En particular, su puntaje concuerda mucho con tener CAC severo (AUC 0,88) y con el score de riesgo MESA (AUC 0,83).
• Parece aprovechar no solo la calcificación coronaria sino también otros indicadores presentes en la imagen (ej. grasa pericárdica, posiblemente signos de compromiso aórtico o cardiomegalia) para estimar el riesgo.

---

Figura 2. Rendimiento comparativo del modelo Tri2D-Net en las principales tareas evaluadas. El modelo alcanzó un desempeño excelente para la detección de enfermedad cardiovascular (ECV) en la cohorte NLST (AUC = 0,871) y una capacidad aún mayor en la validación externa con datos de MGH (AUC = 0,924). También logró una buena discriminación para predecir mortalidad cardiovascular a 6 años (AUC = 0,768), y mostró concordancia significativa con marcadores estándar como CAC severo (AUC = 0,881), CAD-RADS ≥4 (AUC = 0,763) y riesgo MESA elevado (AUC = 0,835).

---

---

Discusión

El estudio de Chao et al. representa un avance significativo en la llamada “radiología aumentada por IA” y, específicamente, en el concepto de cribado dual: utilizando una misma prueba de imagen para la detección precoz de dos patologías prevalentes : cáncer de pulmón y enfermedad cardiovascular. Los resultados demuestran de forma convincente que un algoritmo de deep learning puede extraer de las TC de tórax de baja dosis una cuantificación del riesgo cardiovascular que se aproxima a la obtenida con técnicas dedicadas mucho más costosas e invasivas. Esto tiene múltiples implicaciones clínicas, técnicas y de salud pública, que discutiremos a continuación, junto con las limitaciones y consideraciones para la implementación real.

---

Validez y relevancia clínica de los hallazgos

Un aspecto muy positivo del trabajo es la gran población de entrenamiento empleada (más de 10.000 sujetos) y la disponibilidad de un criterio de referencia clínico robusto (seguimiento de mortalidad a 6 años en NLST). Esto permitió desarrollar un modelo con un desempeño sobresaliente (AUC >0,85 en detección de ECV), que supera notablemente lo reportado por iniciativas anteriores. Por ejemplo, van Velzen et al. (2020) con su enfoque en dos pasos alcanzaron AUC ~0,69–0,70 para mortalidad CV, y la propia KAMP-Net de los autores tenía AUC ~0,76 para mortalidad por cualquier causa^(12,14,15). Tri2D-Net, con AUC = 0,768 en mortalidad CV, representa un incremento absoluto de entre 7–10 puntos porcentuales, lo cual en términos de predicción de eventos no es trivial. De hecho, en problemas de predicción de riesgo, cada punto de AUC ganado suele ser difícil de lograr  y por lo tanto muy valioso. Además, la comparación directa con la lectura de radiólogos entrenados en CAC es contundente: la IA fue capaz de lograr un equilibrio entre sensibilidad y falsos positivos ligeramente mejor que el criterio basado en el grado de CAC≥1, y al estratificar por niveles, generó una separación de curvas de supervivencia más marcada que la de los expertos. Esto sugiere que el modelo efectivamente está priorizando información pronóstica de manera más óptima que simplemente mirar “¿hay calcio o no?”. En particular, al identificar qué pacientes con CAC bajo pero grasa pericárdica alta pueden tener riesgo elevado, aporta una visión más holística del riesgo CV en las imágenes.

Desde el punto de vista de impacto clínico potencial, incorporar este tipo de algoritmo en los programas de cribado de pulmón podría tener beneficios sustanciales. Por un lado, mejoraría la equidad y eficiencia: actualmente, sólo aquellos pacientes que casualmente tienen una cuantificación de calcio o cuyo radiólogo reporta incidentalmente calcificaciones son considerados para evaluación cardiovascular. Con la implementación de protocolos de utilización de  IA, todos los pacientes recibirían automáticamente un “chequeo” cardiovascular de fondo, sin prolongar el estudio ni requerir análisis adicionales. Esto puede ayudar a identificar individuos de alto riesgo CV que de otro modo pasarían desapercibidos hasta un evento adverso. Se sabe que la prevención primaria (inicio de estatinas, control más estricto de factores de riesgo, etc.) es más efectiva cuanto más temprano se implementa en pacientes con riesgo elevado. Por tanto, detectar a estos pacientes a raíz de la TC de cribado y referirlos a cardiología o medicina preventiva podría traducirse en menos infartos o muertes en los años posteriores.

Es importante destacar que los autores validaron su modelo contra parámetros ampliamente aceptados (CAC > 400, CAD-RADS ≥ 4). Encontrar una AUC ~0,88 para CAC severo es particularmente impresionante: básicamente el algoritmo de TCBD está acercándose a decirnos si el paciente tendría un Agatston por encima de 400 sin haber realizado la TC cardíaca. Alcanzar esta concordancia “sin ver el corazón claramente” habla del poder de generalización del deep learning. De hecho, los autores afirman que el desempeño de su modelo en algunas tareas aproxima al de leer directamente la TC cardíaca por expertos. Esto respalda la idea de que una TC de tórax bien aprovechada puede servir como doble examen. Tradicionalmente, hubiéramos asumido que no se puede obtener una puntuación de calcio confiable sin un estudio dedicado; pero la IA rompe ese paradigma al compensar el ruido y la falta de gating con entrenamiento masivo de datos.

---

Fortalezas metodológicas

Además del tamaño muestral, el estudio tiene varias fortalezas:

• Hicieron una validación externa con datos de otro centro, diferente tecnología y criterios de referencia robustos. El modelo no perdió precisión, al contrario mejoró (AUC 0,924 en MGH). Esto brinda confianza en la generalizabilidad, un aspecto crítico en IA médica donde a veces los modelos fallan al salir del entorno donde fueron entrenados.
• La integración de explicabilidad mediante Grad-CAM es un punto a favor en términos de transparencia. Pudieron correlacionar el score de riesgo con hallazgos conocidos (CAC, grasa), lo cual ayuda a la aceptación clínica del algoritmo. Saber que la IA está reaccionando a “cosas que tienen sentido” y no a artefactos aleatorios es tranquilizador.
• Compararon contra estándares actuales (radiólogos, otros algoritmos) y usaron análisis estadísticos para afirmar superioridad donde correspondía. Los p-values presentados indican rigor en demostrar que las diferencias no son azarosas.
• Los datos demográficos presentados (Tabla 1 del artículo original) confirman que la cohorte analizada tiene las características esperables (p. ej., >60% eran hombres, edad ~61 años en NLST), lo que sugiere que los resultados se aplican a la población objetivo real de cribado (predominantemente ex-fumadores de 50-70 años).
• Al unificar la tarea de clasificar ECV y cuantificar riesgo de mortalidad en un solo entrenamiento, aprovecharon eficientemente la información disponible. Esto es ingenioso: la probabilidad predicha sirve dualmente como score de riesgo y como salida binaria. Esa estrategia de optimización multitarea probablemente hizo que el modelo aprendiera una representación interna muy rica del espectro de enfermedad cardiovascular.
• El uso de un detector de corazón previo evitó analizar partes irrelevantes de la imagen, reduciendo el ruido de entrada. Esto seguramente contribuyó a la precisión y también a la interpretabilidad (enfocándose en el corazón en lugar de distracciones en pulmón/hígado).

---

Limitaciones y consideraciones

Pese a sus puntos fuertes, el estudio presenta algunas limitaciones que los autores reconocen y vale la pena profundizar:

• Etiquetado basado en registros e inferencias: En la cohorte NLST, la definición de “CVD-positive” dependió de reportes radiológicos y causas de muerte, que no son perfectos. Es posible que algunos pacientes tuvieran ECV subclínica no mencionada en los informes de TC (falsos negativos), o que la causa de muerte CV estuviera mal codificada (p. ej., una muerte repentina podría atribuirse a arritmia y no figurar claramente). Los autores reconocen que el uso de códigos CIE-10 pudo omitir algunas muertes de origen cardiovascular o incluir algunas dudosas. Esto introduciría cierto ruido en las etiquetas de entrenamiento. Para mitigar este problema acudieron a la cohorte MGH, donde usaron en cambio scores de riesgo como “verdad” alternativa, y hallaron concordancia con ellos, lo cual rescata la validez del modelo. Aun así, en un mundo ideal se hubiese entrenado el modelo directamente para predecir eventos clínicos con etiquetas 100% fidedignas; aquí hubo que conformarse con una mezcla de indicios.
• Horizonte de predicción limitado: El seguimiento de alrededor de 6 años está bien, pero no es prolongado. Muchos individuos clasificados de alto riesgo pueden desarrollar eventos después de ese periodo. Hubiera sido interesante disponer de seguimiento más extendido en el tiempo para evaluar predicción a 10 o 15 años, dado que el CAC tiene mayor poder predictivo a largo plazo. Los autores mencionan que la implementación del cribado con TC es relativamente reciente (2013 en adelante) y que con el tiempo más datos de mortalidad estarán disponibles para validar prospectivamente.
• Ausencia de validación prospectiva: Si bien usaron una cohorte externa retrospectiva, no es un estudio prospectivo de implementación. Sería necesario un ensayo clínico o estudio de impacto clínico donde se integre el algoritmo en la práctica real y se mida si su uso cambia decisiones médicas y mejora resultados (por ejemplo, si los pacientes detectados de alto riesgo reciben más estatinas y luego tienen menos eventos). En este momento, tenemos una potente prueba de concepto pero no certeza de beneficio clínico tangible.
• Generalización a otras poblaciones: La cohorte NLST y MGH se componen en su mayoría de fumadores o ex-fumadores de alto riesgo. No está claro si el modelo rendiría igual en población no fumadora o con distinto perfil (por ejemplo, cribado incidental en pacientes más jóvenes o con otras comorbilidades). Posiblemente, dada la asociación del tabaquismo con CAC y enfisema, el modelo podría sobrestimar riesgo en fumadores (que era su entrenamiento) y necesitar ajuste en no fumadores. Esto requeriría calibración si se quisiera aplicar el modelo a, digamos, pacientes con screening por antecedentes familiares en lugar de tabaquismo.
• Variables de no imagen omitidas: Un punto interesante es que el modelo solo ve la imagen, desconoce el resto de los factores de riesgo tradicionales (tensión arterial, perfil lipídico, etc.). Uno podría preguntarse si combinar ambas fuentes (imagen + datos clínicos) mejoraría la predicción. Es probable que sí, pero ese no era el objetivo aquí. Por tanto, esta IA no reemplaza a las escalas clínicas, más bien las complementa al añadir información del CAC y otros hallazgos. En la práctica, podría imaginarse un sistema híbrido donde se integre el score del modelo con, por ejemplo, el puntaje de Framingham para refinar la estimación de riesgo total.
• Posibles sesgos y fenómenos no considerados: El modelo captará lo presente en los datos. Por ejemplo, el volumen de grasa pericárdica tiene cierta correlación con índice de masa corporal; podría entonces la IA estar actuando en parte como un proxy del IMC (obesidad) al ver grasa alrededor del corazón. Esto no es malo en sí, ya que la obesidad es factor de riesgo, pero plantea la cuestión de si un modelo entrenado en una población con determinadas características (obesidad prevalente, etc.) rendiría distinto en otra (p. ej., población asiática con menos obesidad). La buena noticia es que validaron en MGH (EE.UU., también con obesidad presente). Sería útil en futuros estudios probar en poblaciones europeas o asiáticas para verificar.
• Aspectos técnicos de implementación: Para llevar esto a la práctica, se requeriría integrar el algoritmo en los sistemas PACS o estaciones de trabajo de radiología. Dado que el modelo necesita extraer el volumen cardíaco y procesar una red profunda 3D, hay un costo computacional, pero probablemente factible con hardware moderno (GPUs). El artículo no discute tiempos de inferencia, pero asumiríamos que unos pocos segundos por estudio. Además, habría que estandarizar la salida: el modelo provee una probabilidad 0-1, y habría que decidir cómo reportarla. Quizás se podría traducir en categorías de riesgo (bajo, intermedio, alto) para facilitar su interpretación por médicos. También, como indica la experiencia del estudio de Mendoza et al. (2020), simplemente reportar CAC incidental no garantiza manejo óptimo; se necesita integración en el flujo clínico: por ejemplo, un protocolo donde si el modelo sale alto riesgo, se notifica al médico de atención primaria o cardiólogo para evaluación⁽⁶⁾.
• Riesgo de sobre-detección: Un contraargumento al hacer cribado CV incidental es que podríamos generar ansiedad o intervenciones innecesarias en pacientes que tal vez nunca tendrán un evento. Los autores del CMAJ 2024 señalan que la detección incidental de CAC debe manejarse con cautela para no llevar a cascadas diagnósticas injustificadas⁽¹⁶⁾. Una IA que identifique muchos “positivos” podría agravar ese dilema si no se establecen rutas claras: por ejemplo, no todo paciente con CAC merece angiografía, quizá la mayoría solo requieren tratar factores de riesgo. En el estudio, cuando fijaron VPP=50%, la sensibilidad fue ~88%, implicando que por cada 100 marcados positivos, 50 serían falsos. ¿Qué se haría con esos 50 falsos positivos? Probablemente una consulta clínica y control de factores, lo cual no es dramático, pero es un punto a vigilar.

---

Comparación con otros estudios y literatura reciente

Desde la publicación de este trabajo en 2021, el interés en screening dual ha seguido creciendo. Por ejemplo, el estudio de Cabral Caires et al. (CMAJ 2024) con  alrededor de 1.500 pacientes mostró que el CAC detectado en TC de cribado se asociaba fuertemente a mortalidad total y eventos cardiovasculares en seguimiento, y proponía integrar la valoración de CAC en los informes de cribado⁽¹⁶⁾. Ese estudio fue más clínico (sin IA), pero refuerza la premisa de que lo que vemos en la TCBD importa para el pronóstico. Por otro lado, Park et al.(AJR 2024) desarrollaron un algoritmo de deep learning para estimar la carga de calcio en TC de baja dosis, encontrando también una buena correlación con eventos CV en población coreana⁽¹⁷⁾. Estos trabajos suman evidencia de que aprovechar la TC de cribado para riesgo cardiovascular es viable. El modelo de Chao et al. destaca porque va más allá de CAC e intenta predecir directamente riesgo de mortalidad, que es una meta más ambiciosa y clínicamente relevante.

---

Implicaciones prácticas

Si se implementara Tri2D-Net o un sistema similar, podríamos ver informes de TC de cribado del pulmón que incluyan automáticamente un “Score de riesgo CV AI: por ejemplo 0,85 (alto riesgo)”. Esto plantearía la necesidad de educar a los médicos y pacientes sobre cómo interpretar dicho resultado. Un puntaje alto no significa enfermedad coronaria confirmada, sino mayor probabilidad de eventos a futuro. Podría llevar a realizar pruebas confirmatorias (por ejemplo, derivar a una TC de calcio convencional si el paciente lo acepta, o directamente a manejo agresivo de factores de riesgo). Alternativamente, algunos han propuesto que en vez de otra TC, si el CAC incidental es altísimo, ya se justifica tratamiento preventivo (estatinas/aspirina según guías) sin más pruebas. La estrategia óptima aún no está definida y seguramente variará según las directrices locales.

Un punto muy positivo es el potencial de reducir costos y radiación. Los autores enfatizan que su modelo implica que no haría falta realizar TC cardíacas adicionales en la mayoría de pacientes, puesto que de la TC pulmonar ya obtienes la misma información de riesgo. Esto podría ahorrar recursos sanitarios significativos, dado que millones de personas son elegibles para cribado pulmonar. Desde luego, habría que corroborar en estudios futuros si efectivamente los pacientes estratificados por la IA obtienen el mismo beneficio que los estratificados por CAC formal. Pero de confirmarse, estaríamos evitando exponer al paciente a alrededor de 1-3 mSv extra de una TC cardíaca y al sistema a los costos asociados, sin perder capacidad predictiva.

---

Líneas futuras de investigación

Este trabajo abre muchas puertas. Una posible mejora sería desarrollar modelos híbridos IA + clínicos, integrando edad, sexo, antecedentes de hipertensión, etc., junto con la imagen, para ver si la predicción se refina aún más. Otra dirección es evaluar otros desenlaces: por ejemplo, ¿podría la IA predecir riesgo de infarto de miocardio o ictus específicamente, no solo mortalidad?. También vale la pena explorar la predicción de otras condiciones a partir de TCBD – los autores mencionan la posibilidad de predecir causas de muerte en pacientes oncológicos en general, y de hecho hay estudios en curso sobre muerte por EPOC, por ejemplo, detectando enfisema en la TC.

En cuanto a la técnica, Tri2D-Net fue innovadora pero el campo avanza rápido: modelos más nuevos (p. ej. basados en transformers o arquitecturas auto-regresivas) podrían extraer aún mejor la información. Asimismo, valdría la pena internacionalizar el entrenamiento con datos de diferentes países para robustecerlo.

---

Consideraciones éticas y de formación profesional

La integración de IA en radiología genera preguntas sobre el rol del radiólogo. En este caso, la IA actuó como un “observador adicional” evaluando CAC y otros hallazgos. Esto no quita trabajo al radiólogo, más bien le añade una herramienta de apoyo. Idealmente, el radiólogo del futuro estará entrenado para interpretar los outputs de estas IA y comunicarlos. Por ejemplo, si la IA marca alto riesgo, el radiólogo podría validar si ve correlato (CAC extenso, etc.) e incluir en el informe: “Hallazgo incidental: calcificación coronaria severa, IA sugiere alto riesgo cardiovascular; recomendar evaluación clínica”. Así, la IA potenciaría la capacidad del radiólogo de entregar un informe más completo y útil para el paciente.

---

Limitaciones no abordadas en el artículo

Un aspecto no discutido en profundidad es la posible presencia de otras patologías cardiopulmonares en las TCBD que influyan en el riesgo. Por ejemplo, signos de insuficiencia cardiaca (como redistribución vascular, derrame pleural) o de cardiopatía valvular ( ej. calcificación anular mitral) podrían estar siendo captados por la IA también. Esto no se exploró específicamente. Saber exactamente qué características está usando el modelo sería interesante pero es complejo dada la naturaleza difusa de las CNN. Las correlaciones con grasa y CAC dan pistas, pero seguramente hay más.

Otro tema es que el estudio se centra en mortalidad, que es un desenlace importante pero relativamente infrecuente. No evaluaron la predicción de eventos no fatales (infartos no letales, revascularizaciones) porque NLST solo registraba causas de muerte. Podría ser que el modelo fuera útil también para predecir infarto o ictus, pero eso no quedó demostrado en este estudio.

En conclusión, este trabajo aporta evidencia sólida de que las imágenes de cribado de pulmón no deben desaprovecharse en cuanto a información cardiovascular. Una sola TCBD contiene datos sobre calcificaciones coronarias, aorta, función y tamaño cardíaco, estado de la vasculatura y pulmones (enfisema) que, analizados en conjunto por un algoritmo avanzado, pueden alertar sobre riesgo cardiaco elevado. Esto representa un cambio de paradigma hacia la medicina de precisión preventiva, multiplicando el valor diagnóstico de una prueba ya indicada para otro fin. Como mencionan los investigadores, con el incremento en el uso de TC de cribado en poblaciones de riesgo, este enfoque podría beneficiar especialmente a pacientes de bajo nivel socioeconómico o con difícil acceso al sistema, ya que permite en una misma visita evaluar dos de las principales causas de mortalidad. Por supuesto, la traducción de estos hallazgos en mejoras en mortalidad real deberá ser confirmada con estudios prospectivos, pero el fundamento técnico-científico está a la vista.

Por tanto, este estudio demuestra una aplicación exitosa de la inteligencia artificial para abordar un problema clínico relevante, con potencial para reducir la brecha entre la atención oncológica y la cardiovascular en pacientes específicos. Es un ejemplo tangible de cómo las herramientas de aprendizaje profundo pueden añadir valor a prácticas clínicas establecidas, fomentando un abordaje más integral de los enfermos.

---

Conclusión

La TC de baja dosis, usada para el cribado de cáncer de pulmón, puede convertirse en una herramienta de doble utilidad al aplicar inteligencia artificial que detecta enfermedad cardiovascular y predice riesgo de muerte con alta precisión.

---

---

Bibliografía

1. Benjamin Emelia, J. et al. Heart Disease and Stroke Statistics-2019 Update: A Report From the American Heart Association. Circulation139, e56–e528 (2019).
2. Antonopoulos AS, Angelopoulos A, Tsioufis K, Antoniades C, Tousoulis D. Cardiovascular risk stratification by coronary computed tomography angiography imaging: current state-of-the-art. Eur J Prev Cardiol. 2022 Mar 30;29(4):608-624. doi: 10.1093/eurjpc/zwab067. PMID: 33930129.
3. Sturgeon, K. M. et al. A population-based study of cardiovascular disease mortality risk in US cancer patients. Eur. Heart J. 40, 3889–3897 (2019).
4. National Lung Screening Trial Research Team et al. Reduced lung-cancer mortality with low-dose computed tomographic screening. N. Engl. J. Med. 365, 395–409 (2011).
5. de Koning, H. J. et al. Reduced lung-cancer mortality with volume ct screening in a randomized trial. N.Engl. J. Med. 382, 503–513 (2020).
6. Mendoza DP, Kako B, Digumarthy SR, Shepard JO, Little BP. Impact of Significant Coronary Artery Calcification Reported on Low-Dose Computed Tomography Lung Cancer Screening. J Thorac Imaging. 2020 Mar;35(2):129-135. doi: 10.1097/RTI.0000000000000458. PMID: 31651689.
7. Stoltzfus, K. C. et al. Fatal heart disease among cancer patients. Nat. Commun.11, 1–8 (2020).
8. Hammer MM, Byrne SC, Blankstein R. Reporting and Outcomes of Coronary Calcification on Lung Cancer Screening CT. Acad Radiol. 2023 Aug;30(8):1614-1619. doi: 10.1016/j.acra.2022.11.009. Epub 2022 Nov 30. PMID: 36460581.
9. Lessmann, N. et al. Deep convolutional neural networks for automatic coronary calcium scoring in a screening study with low-dose chest CT. In (eds Tourassi, G. D. & Armato, S. G. I.) Medical Imaging 2016: Computer-Aided Diagnosis Vol. 9785, 978511 (International Society for Optics and Photonics, 2016).
10. Lessmann, N. et al. Automatic calcium scoring in low-dose chest ct using deep neural networks with dilated convolutions. IEEE Trans. Med. Imaging 37,615–625 (2017).
11. Cano-Espinosa, C., González, G., Washko, G. R., Cazorla, M. & Estépar, R. S.J. Automated agatston score computation in non-ecg gated ct scans using deep learning. In (eds Angelini, E. D. & Landman, B. A.) Medical Imaging 2018:Image Processing vol. 10574, 105742K (International Society for Optics and Photonics, 2018).
12. van Velzen, S. G. et al. Direct prediction of cardiovascular mortality from low-dose chest ct using deep learning. In (eds Angelini, E. D. & Landman, B. A.) Medical Imaging 2019: Image Processing Vol. 10949, 109490X(International Society for Optics and Photonics, 2019).
13. Chao, H. et al. Deep learning predicts cardiovascular disease risks from lung cancer screening low dose computed tomography. DIAL-RPI/CVD-Risk-Estimator. https://doi.org/10.5281/zenodo.4695050 (2021).
14. Guo, H., Kruger, U., Wang, G., Kalra, M. K. & Yan, P. Knowledge-based analysis for mortality prediction from CT images. IEEE J. Biomed. Health Informatics 24, 457–464 (2020).
15. Zeleznik, R. et al. Deep convolutional neural networks to predict cardiovascular risk from computed tomography. Nat. Commun. 12, 1–9 (2021).
16. Caires MC, Kasuku KM, Mengesha B, Garuba H, Law A, Johnson C, Paterson DI, Dennie C, Pena E, Chen L, Chow BJW, Small GR. Prognostic importance of extensive coronary calcium on lung cancer screening chest computed tomography. CMAJ. 2024 Dec 1;196(41):E1362-E1369. doi: 10.1503/cmaj.231602. PMID: 39622534; PMCID: PMC11611381.
    17-Park C, Lee BC, Jeong WG, Park WJ, Jin GY, Kim YH. Coronary Artery Calcification on Low-Dose Lung Cancer Screening CT in South Korea: Visual and Artificial Intelligence-Based Assessment and Association With Cardiovascular Events. AJR Am J Roentgenol. 2024 May;222(5):e2430852. doi: 10.2214/AJR.24.30852. Epub 2024 May 29. PMID: 38447024.

---