.png){kind=logo}
Las ECV causan millones de muertes y altos costos; la IA puede identificar a los pacientes de alto riesgo, mejorar la atención y reducir los gastos.
Las enfermedades cardiovasculares (ECV) abarcan un amplio espectro de trastornos que afectan al corazón y los vasos sanguíneos, como la enfermedad de las arterias coronarias, los accidentes cerebrovasculares, la insuficiencia cardíaca y la enfermedad arterial periférica. En conjunto, estas afecciones representan la principal causa de mortalidad a nivel mundial, superando las muertes por todos los tipos de cáncer y enfermedades crónicas de las vías respiratorias inferiores juntos (1) (2). Solo en los Estados Unidos, las enfermedades cardiovasculares se cobran anualmente aproximadamente 19 millones de vidas. El impacto económico es sustancial, ya que estas enfermedades le costaron a la economía estadounidense unos 378 000 millones de dólares en 2018, lo que incluye los costos directos de la atención médica, las pérdidas de productividad y la muerte prematura (3) (4). La prevalencia de las enfermedades cardiovasculares entre los adultos estadounidenses es asombrosa, y se estima que hay 126,9 millones de personas afectadas. Los principales factores de riesgo, como la hipertensión, el colesterol alto, la diabetes, la obesidad, la inactividad física, el tabaquismo y los hábitos alimentarios poco saludables, contribuyen de manera significativa a la aparición y progresión de las ECV (5) (6). Además, las disparidades en el acceso a la atención médica y los factores socioeconómicos agravan la carga y afectan de manera desproporcionada a las poblaciones desatendidas y a las comunidades minoritarias (7).
CardioRiskai: un modelo de IA que predice el riesgo de enfermedad cardiovascular utilizando los datos de los pacientes, integrando la edad, el sexo, la presión arterial, los niveles de colesterol y los factores del estilo de vida para identificar el tiempo a las personas en riesgo y adaptar las intervenciones.
Se utilizaron un conjunto de datos sobre enfermedades cardíacas, de un hospital con múltiples especialidades de la India y disponible en Kaggle, que cubre las características esenciales para la investigación y la detección temprana de las enfermedades cardíacas. Con datos de 1000 sujetos y 12 atributos clave, como la edad, el sexo, la presión arterial en reposo, los niveles de colesterol sérico y varios indicadores clínicos.
Las enfermedades cardiovasculares (ECV) abarcan un amplio espectro de trastornos que afectan al corazón y los vasos sanguíneos, como la enfermedad de las arterias coronarias, los accidentes cerebrovasculares, la insuficiencia cardíaca y la enfermedad arterial periférica. En conjunto, estas afecciones representan la principal causa de mortalidad a nivel mundial, superando las muertes por todos los tipos de cáncer y enfermedades crónicas de las vías respiratorias inferiores juntos (1) (2). Solo en los Estados Unidos, las enfermedades cardiovasculares se cobran anualmente aproximadamente 19 millones de vidas. El impacto económico es sustancial, ya que estas enfermedades le costaron a la economía estadounidense unos 378 000 millones de dólares en 2018, lo que incluye los costos directos de la atención médica, las pérdidas de productividad y la muerte prematura (3) (4). La prevalencia de las enfermedades cardiovasculares entre los adultos estadounidenses es asombrosa, y se estima que hay 126,9 millones de personas afectadas. Los principales factores de riesgo, como la hipertensión, el colesterol alto, la diabetes, la obesidad, la inactividad física, el tabaquismo y los hábitos alimentarios poco saludables, contribuyen de manera significativa a la aparición y progresión de las ECV (5) (6). Además, las disparidades en el acceso a la atención médica y los factores socioeconómicos agravan la carga y afectan de manera desproporcionada a las poblaciones desatendidas y a las comunidades minoritarias (7).
CardioRiskai: un modelo de IA que predice el riesgo de enfermedad cardiovascular utilizando los datos de los pacientes, integrando la edad, el sexo, la presión arterial, los niveles de colesterol y los factores del estilo de vida para identificar el tiempo a las personas en riesgo y adaptar las intervenciones.
The cost of CVD is substantial. In Latin America, the cost of CVD in terms of healthcare and lost productivity is approximately 8.4 trillion dollars annually [1].
Early detection could reduce this cost, as prevention and early treatment of cardiovascular diseases lower hospitalizations and severe complications.
A study in the United States suggests that using AI tools to predict cardiovascular risk could reduce healthcare costs by 20% through improved management of high-risk patients [5].
Adopting an AI-based predictive model has the potential to save lives and improve the quality of life for millions of people by enabling earlier detection and more personalized treatment. It could also significantly reduce the costs associated with CVD, enhancing healthcare system efficiency. For instance, AI adoption in cardiology in Latin America could reduce hospitalizations for CVD by 15% (Sanofi, 2023). This approach could transform how CVD is managed, shifting from a reactive to a proactive and preventive model.
Se utilizaron un conjunto de datos sobre enfermedades cardíacas, de un hospital con múltiples especialidades de la India y disponible en Kaggle, que cubre las características esenciales para la investigación y la detección temprana de las enfermedades cardíacas. Con datos de 1000 sujetos y 12 atributos clave, como la edad, el sexo, la presión arterial en reposo, los niveles de colesterol sérico y varios indicadores clínicos.
