La hiperplasia suprarrenal congénita (CAH) es un trastorno que afecta la capacidad de la glándula suprarrenal para liberar hormonas que regulan la respuesta del cuerpo al estrés y la enfermedad. La CAH es tratable, pero puede ser potencialmente mortal durante la enfermedad o si no se trata. El trastorno es difícil de identificar y aún queda mucho por comprender sobre la afección. Pero una nueva investigación realizada en el Children’s Hospital Los Angeles ha demostrado que las computadoras pueden usar rasgos faciales sutiles para reconocer CAH. Este hallazgo podría conducir a una mejor identificación del trastorno y una mejor atención de los pacientes con CAH.
Estas hormonas permiten que el cuerpo controle la presión arterial y responda a las crisis. Además, CAH se caracteriza por niveles más altos de la hormona sexual testosterona. Esto puede provocar cambios en los genitales de las pacientes. Pero la testosterona tiene otro efecto que no está directamente relacionado con el sexo o el género, un efecto que podría usarse para ayudar a identificar la CAH.
«Está bastante bien aceptado que las hormonas como la testosterona ayudan a moldear los rasgos faciales», dice el Dr. Kim. «Dado que la CAH causa niveles altos de testosterona durante el desarrollo, es lógico que las diferencias, incluso sutiles, puedan estar presentes en los pacientes con CAH». Esto, dice, la llevó a preguntarse si la morfología facial, una colección de rasgos físicos, podría ayudar a los médicos a identificar a los pacientes con CAH.
«Aún no existía un vínculo establecido entre la CAH y la morfología facial», dice el Dr. Kim. Esto podría deberse a que las diferencias faciales son lo suficientemente sutiles como para que la mayoría de los médicos las pasen por alto. «Pero los avances en el aprendizaje automático han recorrido un largo camino», dice, «especialmente en el reconocimiento facial».
La Dra. Kim se asoció con ingenieros y científicos del Instituto de Ciencias de la Información de la Universidad del Sur de California para diseñar y probar su hipótesis. El equipo cargó imágenes de 102 pacientes con CAH y 144 individuos de control en computadoras que fueron capacitadas en reconocimiento facial. A través del aprendizaje automático, las computadoras pudieron identificar diferencias sutiles en la morfología facial e identificar correctamente a los pacientes con CAH con una precisión superior al 90%.
El estudio representa un paso importante en el camino hacia una mejor identificación y comprensión de CAH. Los hallazgos establecen, por primera vez, que no solo existe un vínculo entre la morfología facial y CAH, sino que las computadoras pueden detectar este vínculo y predecir CAH en función de las características faciales de los pacientes.
Aunque los recién nacidos se someten a pruebas de detección de CAH de forma rutinaria, las pruebas genéticas son caras y difíciles de obtener, y no es sencillo caracterizar la gravedad de la enfermedad. «Realmente necesitamos una forma más sensible y más fácil», dice el Dr. Kim. «Espero que sea así, que podamos utilizar lo mejor que la tecnología tiene para ofrecer para comprender mejor la CAH y ayudar a nuestros pacientes».
El estudio fue publicado en la revista científica JAMA Network Open . Los coautores del estudio fueron Wael AbdAlmageed y Hengameh Mirzaalian del Instituto de Ciencias de la Información de la USC.