Unos investigadores han comprobado que un algoritmo de inteligencia artificial (IA) puede detectar un ritmo cardíaco anormal en personas que aún no muestran síntomas.
El estudio lo ha llevado a cabo un equipo integrado, entre otros, por David Ouyang, del Centro Médico Cedars-Sinai en Estados Unidos, y Neal Yuan, de la Universidad de California en San Francisco, Estados Unidos.
El algoritmo, que identificó señales ocultas en pruebas de diagnóstico médico comunes, puede ayudar a los médicos a prevenir mejor los accidentes cerebrovasculares y otras complicaciones cardiovasculares en personas con fibrilación auricular, el tipo más común de trastorno del ritmo cardíaco.
Los algoritmos desarrollados anteriormente se han utilizado principalmente en poblaciones blancas. Este algoritmo funciona en diversos entornos y poblaciones de pacientes, incluyendo personas que han prestado servicio en el ejército y poblaciones desatendidas.
“Esta investigación permite una mejor identificación de una afección cardíaca oculta y sugiere la mejor manera de desarrollar algoritmos que sean equitativos y generalizables a todos los pacientes”, comentó el Dr. David Ouyang, cardiólogo del Departamento de Cardiología del Smidt Heart Institute de Cedars-Sinai, investigador de la División de Inteligencia Artificial en Medicina.
Los expertos estiman que aproximadamente 1 de cada 3 personas con fibrilación auricular no sabe que padece la afección.
En la fibrilación auricular, las señales eléctricas en el corazón que regulan el bombeo de sangre desde las cámaras superiores a las inferiores son caóticas. Esto puede hacer que la sangre en las cámaras superiores se acumule y forme coágulos de sangre que pueden viajar al cerebro y desencadenar un accidente cerebrovascular isquémico.
Para crear el algoritmo, los investigadores programaron una herramienta de inteligencia artificial para estudiar los patrones encontrados en las lecturas del electrocardiograma. Un electrocardiograma es una prueba que monitorea las señales eléctricas del corazón. A las personas que se someten a esta prueba se les colocan electrodos en el cuerpo que detectan la actividad eléctrica del corazón.
El programa fue capacitado para analizar lecturas de electrocardiogramas tomadas entre el 1 de enero de 1987 y el 31 de diciembre de 2022 de pacientes atendidos en dos redes de salud de Asuntos de Veteranos (Veterans Affairs, personas que han estado de servicio en el ejército). El algoritmo se entrenó en casi un millón de electrocardiogramas y predijo con precisión que los pacientes afectados sufrirían fibrilación auricular en un plazo de 31 días.
El modelo de inteligencia artificial también se aplicó a los registros médicos de pacientes de Cedars-Sinai y de manera similar (y precisa) predijo casos de fibrilación auricular en un plazo de 31 días.
“Este estudio de veteranos fue geográfica y étnicamente diverso, lo que indica que la aplicación de este algoritmo podría beneficiar a la población general en los EE. UU.”, afirmó el Dr. Sumeet Chugh, director de la División de Inteligencia Artificial en Medicina en el Departamento de Medicina y director del Centro de Ritmo Cardíaco del Departamento de Cardiología. “Esta investigación ejemplifica una de las muchas formas en que los investigadores del Smidt Heart Institute y la División de Inteligencia Artificial en Medicina están utilizando la inteligencia artificial para abordar el manejo preventivo de afecciones cardíacas complejas y desafiantes”.
El estudio fue un esfuerzo de colaboración entre médicos e investigadores de Cedar-Sinai y los hospitales de Asuntos de Veteranos de San Francisco y Palo Alto. Además de Ouyang, en el estudio trabajaron los investigadores de Cedars-Sinai Grant Duffy y John Theurer.
Los investigadores planean continuar estudiando el algoritmo como parte de ensayos clínicos prospectivos para saber si ayuda a identificar a las personas en riesgo de sufrir un ataque cardíaco y un derrame cerebral. También planean desarrollar más algoritmos de inteligencia artificial.
El estudio se titula “Deep learning of electrocardiograms in sinus rhythm from US Veterans to predict atrial fibrillation”. Y se ha publicado en la revista académica JAMA Cardiology.
