Programa de IA podría detectar ritmos cardíacos anormales no percibidos por los médicos

El estudio realizado por investigadores del Smidt Heart Institute, en Los Ángeles, determinó que este modelo de programa con IA podría ayudar a los médicos a identificar cambios cardíacos en pacientes con enfermedades del corazón como la fibrilación auricular (FA).

Esta patología, una de las arritmias cardiacas más comunes, provoca un latido del corazón irregular que se vuelve muy rápido. Si no se trata, puede causar otras afecciones mayores como la insuficiencia cardíaca y el accidente cerebrovascular (ACV).

De acuerdo con datos de los Centros para el Control y la Prevención de Enfermedades (CDC, por sus siglas en inglés), para el año 2030, se estima que 12,1 millones de estadounidenses tendrán FA.

Según las autoridades sanitarias estadounidenses, las muertes relacionadas con la FA en Estados Unidos han ido en aumento en los últimos 20 años.

Modelo de aprendizaje profundo

Durante el estudio, los investigadores estadounidenses entrenaron el modelo de IA basado en un algoritmo de aprendizaje profundo, para estudiar más de 100.000 vídeos de ecocardiogramas transtorácicos (ETT) de pacientes diagnosticados con fibrilación auricular.

Los hallazgos, fueron publicados en la revista npj Digital Medicine, y mostraron que la IA pudo predecir correctamente en los vídeos que mostraban ritmos cardíacos normales y anormales, cuáles pacientes desarrollarían FA en 90 días.

Los resultados, indicaron los autores, tuvieron más éxito que cuando se utilizan factores de riesgo conocidos para medir las probabilidades de que un paciente desarrolle FA, señala el informe.

Los investigadores descubrieron que los vídeos ETT pueden capturar algunos de los cambios estructurales en el corazón que pueden indicar una fibrilación auricular en curso, incluso cuando el corazón está en ritmo sinusal.

Detección difícil

El autor principal del estudio, el Dr. Neal Yuan , científico del Smidt Heart Institute, señaló que "la fibrilación auricular puede aparecer y desaparecer, por lo que es posible que no esté presente en una cita con el médico".

"Este algoritmo de IA identifica a los pacientes que podrían tener fibrilación auricular incluso cuando no está presente durante su estudio de ecocardiograma", añadió.

El equipo de Yuan precisó que un modelo de aprendizaje profundo basado en videos ecocardiográficos podría distinguir un grupo de pacientes de alto riesgo al identificar tanto a los pacientes con FA como a aquellos en ritmo sinusal con FA concurrente.

Los expertos explicaron que durante la fibrilación auricular, conocida también como FA, las cámaras superiores del corazón a veces laten al mismo tiempo que las inferiores, aunque no siempre, por lo que se dificulta su detección.

Destacaron que aunque la mayoría de las personas que padecen esta patología desarrollan palpitaciones cardíacas, dificultad para respirar y otros síntomas que pueden permitir detectar, algunos no muestran ningún indicio.

Agregaron que la FA suele ser asintomática, y por lo tanto, no se identifica hasta que se producen complicaciones como un accidente cerebrovascular. De hecho, se detecta hasta en un 20% de los pacientes con ictus agudo.

La Dra. Christine Albert, coautora y presidenta de cardiología del Smidt Heart Institute, expresó que "el hecho de que este programa predijera qué pacientes tenían fibrilación auricular activa u oculta podría tener inmensas aplicaciones clínicas".

Aseguraron que el aprendizaje profundo puede predecir pacientes con FA detectada o escondida, y además podría usarse para la detección de FA que podría conducir a un tratamiento más temprano.

Además, la identificación más temprana de la FA no diagnosticada puede permitir el inicio de tratamientos de control del ritmo, que pueden tener resultados más beneficiosos en los pacientes a largo plazo.

@Lydr05

FUENTE: Con información de la revista npj Digital Medicine y Health Day