La inteligencia artificial (IA) y el aprendizaje automático (ML) pueden detectar y diagnosticar eficazmente el síndrome de ovario poliquístico (SOP), el trastorno hormonal más común en mujeres que suele ocurrir entre las edades de 15 y 45 años, según un nuevo estudio de los Institutos Nacionales de Salud (NIH). Los investigadores revisaron sistemáticamente estudios científicos publicados que utilizan AI/ML para analizar datos para diagnosticar y clasificar el SOP y descubrieron que los programas basados ​​en AI/ML podían detectar con éxito el SOP.


"Dada la carga sustancial de subdiagnóstico y diagnóstico erróneo del síndrome de ovario poliquístico en la comunidad y sus consecuencias potencialmente graves, queríamos determinar la utilidad de la IA/ML para identificar a los pacientes que pueden estar en riesgo de sufrir el síndrome de ovario poliquístico", afirmó la coautora del estudio, Janet Hall, MD, investigadora principal y endocrinóloga del Instituto Nacional de Ciencias de la Salud Ambiental (NIEHS), parte de los Institutos Nacionales de Salud (NIH). "La eficacia de la inteligencia artificial y el aprendizaje automático en la detección del síndrome de ovario poliquístico es más impresionante de lo que pensábamos".

El síndrome de ovario poliquístico ocurre cuando los ovarios no funcionan correctamente, en muchos casos junto con niveles elevados de testosterona. La enfermedad puede provocar menstruación irregular, acné, vello facial o caída del cabello en la cabeza. Las mujeres con síndrome de ovario poliquístico generalmente tienen un mayor riesgo de sufrir diabetes tipo 2, trastornos del sueño, psicológicos, cardiovasculares y otros trastornos reproductivos, como cáncer de útero e infertilidad.

"El diagnóstico del síndrome de ovario poliquístico puede ser un desafío dada su superposición con otras afecciones", afirmó el autor principal del estudio, Dr. Skand Shekhar, médico asistente de investigación y endocrinólogo de los Institutos Nacionales de Salud. "Estos datos reflejan el potencial sin explotar de incorporar IA/ML en registros médicos electrónicos y otros entornos clínicos para mejorar el diagnóstico y la atención de las mujeres con síndrome de ovario poliquístico".

Los autores del estudio recomiendan combinar grandes estudios poblacionales con conjuntos de datos de salud electrónicos y analizar pruebas de laboratorio comunes para identificar biomarcadores de diagnóstico sensibles que podrían ayudar a diagnosticar el síndrome de ovario poliquístico.

El síndrome de ovario poliquístico se diagnostica según criterios estandarizados que han evolucionado a lo largo de los años y son ampliamente aceptados, pero que generalmente incluyen características clínicas (como acné, crecimiento excesivo de vello y menstruación irregular), así como hallazgos de laboratorio (como niveles altos de testosterona en sangre) y radiológicos (como múltiples quistes pequeños y aumento del tamaño de los ovarios en la ecografía ovárica). Sin embargo, el síndrome de ovario poliquístico a menudo se pasa por alto porque algunas características del síndrome de ovario poliquístico pueden coexistir con otras afecciones como la obesidad, la diabetes y los trastornos cardiometabólicos.

La inteligencia artificial se refiere al uso de sistemas o herramientas informáticos para imitar la inteligencia humana y ayudar a tomar decisiones o predicciones. ML es una rama de la inteligencia artificial que se centra en aprender de eventos anteriores y aplicar este conocimiento a decisiones futuras. La inteligencia artificial puede procesar grandes cantidades de datos diferentes, como los obtenidos de los registros médicos electrónicos, y, por tanto, es una ayuda ideal para diagnosticar enfermedades difíciles de diagnosticar, como el síndrome de ovario poliquístico.

Los investigadores realizaron una revisión sistemática de todos los estudios revisados ​​por pares que utilizan IA/ML para detectar el síndrome de ovario poliquístico publicados en los últimos 25 años (1997-2022). Con la ayuda de un bibliotecario experimentado de los NIH, los investigadores identificaron estudios potencialmente elegibles. Examinaron un total de 135 estudios e incluyeron 31 en este artículo. Todos los estudios fueron observacionales y evaluaron el uso de tecnologías AI/ML en el diagnóstico de pacientes. Aproximadamente la mitad de los estudios incluyeron imágenes de ultrasonido. La edad promedio de los participantes del estudio fue de 29 años.

En 10 estudios que utilizaron criterios de diagnóstico estandarizados para diagnosticar el síndrome de ovario poliquístico, la precisión de la detección osciló entre el 80% y el 90%.

"A través de diversas modalidades de diagnóstico y clasificación, AI/ML funcionó extremadamente bien en la detección del síndrome de ovario poliquístico, que es la conclusión más importante de nuestro estudio", dijo Shekhar.

Los autores señalan que los proyectos basados ​​en IA/ML tienen el potencial de mejorar en gran medida nuestra capacidad para detectar tempranamente a las mujeres con síndrome de ovario poliquístico, ahorrando así costos relacionados y reduciendo la carga que el síndrome de ovario poliquístico impone a los pacientes y al sistema de salud. La investigación de seguimiento con sólidas prácticas de validación y prueba permitirá una integración fluida de la IA/ML con las enfermedades crónicas.