Enfermedad coronaria (EC), insuficiencia cardiaca (IC) y accidente cerebrovascular (ACV) se encuentran entre las principales causas de muerte atribuibles a las enfermedades cardiovasculares (ECV) en Estados Unidos. Los factores de riesgo de estas se han identificado e incorporado a modelos predictivos para evaluar la posibilidad de desarrollar las patologías y así apoyar la implementación de estrategias personalizadas de prevención.

Aunque se utilizan ampliamente, estos modelos consideran un conjunto limitado de características, y es posible que existan marcadores de riesgo aún no identificados que podrían mejorar la predicción y así mejorar la prevención. La validación e identificación de los factores de riesgo de enfermedades complejas como EC, IC y ACV se ve dificultada por el gran número y variedad de singularidades relevantes de los pacientes, como comorbilidades y estilo de vida. 

Tradicionalmente, los enfoques estadísticos epidemiológicos se basan en hipótesis para reducir el número de parámetros evaluados en un modelo determinado mediante la selección de factores utilizando la experiencia clínica. Aunque es eficaz para centrar el análisis, el sesgo clínico puede influir en los elementos considerados, excluyendo potenciales predictores de enfermedades. La selección de características basada en aprendizaje automático para identificar factores de riesgo puede ser ventajoso al permitir la evaluación de un gran número de características de una manera comparativa imparcial, reduciendo falsos positivos y detectando patrones que pueden pasar desapercibidos cuando se utiliza un enfoque basado en hipótesis. 

La capacidad de analizar grandes conjuntos de características de forma automatizada es una de las ventajas del aprendizaje automático que ha impulsado su adopción en el análisis de datos. Los estudios longitudinales FHS (Framingham Heart Study), ARIC (Atherosclerosis Risk in Communities) y CHS (Cardiovascular Health Study) incluyeron a miles de pacientes con tasas de eventos altas durante décadas de seguimiento, proporcionando una excelente base de datos para explorar la utilización del aprendizaje automático en la identificación de factores de riesgo de ECV más allá de los utilizados en los modelos predictivos actuales.

Un equipo de investigadores de la Escuela de Medicina de la Universidad de Colorado en Estados Unidos se propuso utilizar el aprendizaje automático supervisado a partir de la información obtenida de los estudios FSH, CHS y ARIC, para identificar posibles variables importantes en la evaluación del riesgo de enfermedad coronaria, insuficiencia cardiaca y accidente cerebrovascular de una manera libre de hipótesis y basada en datos, planteando que la selección de características a través de este método identificaría factores de riesgo potencialmente novedosos para EC, IC y ACV.

Utilizando la selección de características de aprendizaje automático basada en análisis de bosque aleatorio para identificar posibles factores de riesgo asociados a cardiopatía coronaria, ACV e IC en los datos obtenidos del estudio FHS, se evaluó la importancia de las variables seleccionadas mediante un análisis univariable y multivariable de riesgos proporcionales de Cox ajustado a los riesgos cardiovasculares conocidos y validados utilizando los estudios CHS y ARIC.

En el estudio se identificaron múltiples factores de riesgo dietéticos y conductuales para los resultados de las enfermedades cardiovasculares, incluyendo estado civil y el consumo de carne roja, leche entera y café. Entre estas variables dietéticas, uno de los resultados más destacados fue la asociación entre el aumento del consumo de café con la disminución del riesgo de IC a largo plazo, de forma congruente en los tres estudios utilizados.

En base a los resultados obtenidos, los investigadores concluyeron que un mayor consumo de café se asocia a un menor riesgo de insuficiencia cardiaca en los tres estudios epidemiológicos analizados, justificando la realización de nuevos estudios para definir el papel, causalidad y mecanismo del café como posible factor protector del riesgo de IC.