Inteligencia artificial: Usan datos de electrocardiogramas para detectar factores de riesgo ocultos de ACV
Los investigadores de Mayo Clinic utilizaron inteligencia artificial para evaluar electrocardiogramas de pacientes en el marco de una estrategia dirigida para detectar fibrilación auricular, un trastorno frecuente del ritmo cardíaco. La fibrilación auricular es un latido cardíaco irregular que puede provocar coágulos sanguíneos que podrían viajar al cerebro y causar un accidente cerebrovascular, y suele ser difícil de diagnosticar. En el estudio descentralizado realizado a través de medios digitales, la inteligencia artificial identificó nuevos casos de fibrilación auricular que no se habrían observado clínicamente en la atención médica de rutina.
En investigaciones anteriores, ya se había desarrollado un algoritmo de inteligencia artificial para identificar a los pacientes con una probabilidad alta de tener fibrilación auricular previamente desconocida. nference y Mayo Clinic otorgaron la licencia del algoritmo para detectar la fibrilación auricular en un ritmo sinusal normal a partir de un electrocardiograma a Anumana Inc., una empresa de tecnología médica impulsada por inteligencia artificial.
El Dr. Peter Noseworthy, cardiólogo electrofisiólogo en Mayo Clinic y autor principal del estudio, declaró: “Creemos que los exámenes de detección de la fibrilación auricular tienen mucho potencial, pero actualmente los resultados son muy pocos, y los costos son muy altos como para posibilitar la detección generalizada. El estudio demuestra que un algoritmo de inteligencia artificial aplicado a un electrocardiograma puede ayudar a dirigir los exámenes de detección a los pacientes que tengan más probabilidades de beneficiarse con ellos”.
Del estudio participaron 1003 pacientes, a quienes se les realizaron controles constantes, y otros 1003 pacientes de atención médica habitual funcionaron como controles del mundo real. Los hallazgos, que se publicaron en The Lancet, mostraron que la inteligencia artificial puede identificar un subgrupo de pacientes de alto riesgo que recibirían más beneficios al hacerse controles cardíacos intensivos adicionales para detectar fibrilación auricular, lo que apoyó la estrategia de detección dirigida y guiada por inteligencia artificial.
Habitualmente, los electrocardiogramas se hacen para diagnosticar una variedad de trastornos, pero como la fibrilación auricular puede durar poco, es baja la posibilidad de detectar un episodio durante un rastreo por electrocardiograma de 10 segundos. Los pacientes pueden someterse a enfoques de control cardíaco intermitentes o continuos que tienen tasas de detección más altas, pero se requieren muchos recursos para aplicarlos a todo el mundo, y los controles pueden ser molestos y costosos para los pacientes.
En este punto, puede ser útil el electrocardiograma guiado por inteligencia artificial. El algoritmo de inteligencia artificial puede identificar pacientes que, aunque tengan un ritmo cardiaco normal el día en que se hacen el electrocardiograma, puedan tener un riesgo mayor de episodios de fibrilación auricular no detectada en otros momentos. Luego, estos pacientes pueden hacerse controles adicionales para confirmar el diagnóstico.
“Los programas de exámenes de detección tradicionales seleccionan pacientes según la edad (mayores de 65 años) o la presencia de afecciones como la hipertensión arterial. Estos enfoques tienen sentido porque la edad avanzada es uno de los factores de riesgo de fibrilación auricular más importantes. Sin embargo, no es factible realizar controles cardíacos intensivos de manera reiterada a más de 50 millones de adultos mayores en todo el país”, señaló la Dra. Xiaoxi Yao, investigadora de resultados médicos del Departamento de Medicina Cardiovascular y del Centro Robert D. y Patricia E. Kern para la Ciencia de Brindar Atención Médica de Mayo Clinic. La Dra. Yao es autora sénior del estudio.
“El estudio muestra que un algoritmo de inteligencia artificial puede seleccionar un subgrupo de adultos mayores a los que los controles intensivos podrían beneficiar más. Si esta nueva estrategia se implementara de forma generalizada, podría reducir la fibrilación auricular sin diagnosticar y prevenir accidentes cerebrovasculares y la muerte de millones de pacientes alrededor del mundo”, indicó la Dra. Yao.
El próximo paso en esta investigación es un ensayo híbrido multicéntrico enfocado en la eficacia de la implementación del proceso de trabajo del electrocardiograma guiado por inteligencia artificial en diversos entornos clínicos y poblaciones de pacientes.
“Esperamos que este enfoque sea especialmente valioso en entornos de pocos recursos, en los que las tasas de fibrilación auricular sin diagnosticar pueden ser particularmente altas y pueden ser limitados los recursos para detectarla. Sin embargo, hace falta más trabajo para superar los obstáculos de implementación, y los estudios futuros deben evaluar las estrategias de exámenes de detección dirigidos en estos entornos”, expresó el Dr. Noseworthy.
“Ahora que demostramos que son posibles los exámenes de detección de fibrilación auricular dirigidos por inteligencia artificial, también debemos mostrar que los pacientes con fibrilación auricular detectada mediante exámenes se benefician del tratamiento para prevenir accidentes cerebrovasculares”, señaló el Dr. Noseworthy. “Nuestro objetivo final es prevenir los accidentes cerebrovasculares. Creo que el estudio actual nos ha llevado un paso más cerca”.
Fuente: Mayo Clinic