Investigadores de Imperial College London presentan estudio sobre el uso de IA en electrocardiogramas para predecir bloqueo cardíaco completo.
El bloqueo cardíaco completo (CHB, en inglés) es una condición grave en la que las señales eléctricas del corazón dejan de transmitirse correctamente, lo que puede causar desmayos, paro cardíaco e incluso la muerte súbita. Hasta ahora, los médicos utilizan el electrocardiograma (ECG) para identificar riesgos, pero las herramientas tradicionales, como detectar un “bloqueo bifascicular”, tienen una capacidad predictiva limitada. En un estudio realizado por investigadores de Imperial College London y publicado en JAMA Cardiology, se explica cómo se buscó mejorar esa predicción mediante electrocardiografía potenciada con inteligencia artificial o AI-ECG.
El objetivo del estudio fue desarrollar y validar un modelo de IA, llamado AIRE-CHB, capaz de predecir qué personas tienen mayor probabilidad de desarrollar un bloqueo cardíaco completo en el futuro.
Por su parte, el Dr. Arunashis Sau, profesor clínico académico del Instituto Nacional del Corazón y los Pulmones del Imperial College de Londres detalló la importancia de una tecnología con estas características. “Cuando se produce un bloqueo cardiaco completo, al principio puede ser intermitente y, por tanto, difícil de identificar; sin embargo, cuando se convierte en permanente es mucho más peligroso para el paciente. Si los médicos podemos identificar mejor a los pacientes con esta afección en una fase temprana, podremos hacerles un seguimiento más estrecho o pasar a tratarlos con un marcapasos, evitando así que sufran lesiones graves, ingresen de urgencia en el hospital o incluso mueran”, expresó.
Para ello llevaron a cabo un estudio de cohortes realizado en el Beth Israel Deaconess Medical Center y validado externamente en el UK Biobank de Reino Unido. Posteriormente fueron analizados más de 1.16 millones de ECGs de 189,539 pacientes en el centro estadounidense. El modelo usó una red neuronal convolucional residual y técnicas de supervivencia para predecir el riesgo de CHB. Además, se consideró como desenlace un nuevo diagnóstico de CHB ocurrido más de 31 días después del ECG inicial.
Los resultados arrojaron que, el modelo AIRE-CHB tuvo un desempeño muy superior a los métodos tradicionales, tanto en el grupo de Estados Unidos, como en el de validación externa de Reino Unido. AIRE-CHB fue capaz de identificar correctamente el riesgo de que el paciente desarrollara un CHB, en el 89% de los casos.
Asimismo, el Dr. Fu Siong Ng, autor principal, profesor de electrofisiología cardiaca en el Instituto Nacional del Corazón y los Pulmones del Imperial College de Londres y cardiólogo consultor del Imperial College Healthcare NHS Trust, declaró: “El bloqueo cardiaco completo es una afección muy grave que afecta a unos 24 mil pacientes al año en el Reino Unido. Nuestra herramienta podría tranquilizar a los pacientes y a sus médicos en el sentido de que su afección podría diagnosticarse antes y de que podemos adaptar la frecuencia de los controles y el momento de implantar marcapasos a las personas con alto riesgo de desarrollar esta afección”.
El modelo de IA puede identificar con mucha más precisión a los pacientes en riesgo de bloqueo cardíaco completo que las herramientas actuales. Esto abre la posibilidad de implementar monitoreo más cercano en pacientes de alto riesgo; considerar marcapasos preventivos en algunos casos antes de que ocurra un evento grave; u optimizar la estratificación de riesgo en clínicas y hospitales. Según los investigadores, este es el primer modelo de aprendizaje profundo o deep learning que predice el riesgo de bloqueo cardíaco completo con alta exactitud.
