Un estudio multicéntrico en Reino Unido mostró que un algoritmo entrenado con ecocardiogramas puede superar a médicos generales en la detección de valvulopatías clínicamente significativas.
Las enfermedades de las válvulas del corazón, conocidas como valvulopatías, representan un problema de salud pública creciente, especialmente en poblaciones envejecidas. Sin embargo, más de la mitad de los casos permanecen sin diagnosticar hasta etapas avanzadas, cuando las complicaciones ya pueden ser graves.
“La enfermedad valvular es una epidemia silenciosa”, afirmó el Dr. Anurag Agarwal, del Departamento de Ingeniería de la Universidad de Cambridge, quien lideró la investigación. “Se estima que solo en el Reino Unido unas 300 mil personas tienen estenosis aórtica grave, y alrededor de un tercio no lo sabe. Para cuando aparecen los síntomas, los resultados pueden ser peores que en muchos tipos de cáncer”.
Un nuevo estudio publicado en npj Cardiovascular Health presenta el desarrollo y validación de un algorithm of artificial intelligence (AI) capaz de detectar enfermedad valvular cardíaca clínicamente significativa a partir de grabaciones realizadas con un estetoscopio electrónico. A diferencia de herramientas previas, que se enfocaban en identificar soplos como un indicador indirecto, este modelo fue entrenado directamente con resultados de ecocardiogramas, considerados el estándar de oro diagnóstico.
La enfermedad valvular afecta a más de la mitad de las personas mayores de 65 años, y aproximadamente una de cada diez presenta una forma significativa. En sus etapas iniciales suele ser asintomática o manifestarse con síntomas inespecíficos, como fatiga o dificultad para respirar, que a menudo se atribuyen al envejecimiento.
“Cuando se desarrollan síntomas avanzados, el riesgo de muerte puede alcanzar hasta 80% en dos años si no se recibe tratamiento”, explicó el coautor, el Dr. Rick Steeds, de University Hospitals Birmingham. “El único tratamiento actual es la cirugía para reparar o reemplazar la válvula”.
Pese a la gravedad potencial, el diagnóstico temprano es complejo. En atención primaria, la detección depende del uso del estetoscopio por parte de médicos generales, una habilidad que ha perdido protagonismo en consultas cada vez más saturadas.
“La auscultación cardíaca es una destreza difícil y cada vez se utiliza menos en las consultas de medicina general, donde el tiempo es limitado”, señaló el Dr. Agarwal. “Esa es una parte importante de la razón por la que tantos casos de enfermedad valvular están pasando desapercibidos”.
El equipo recopiló datos de 1,767 pacientes en distintos hospitales y centros de atención primaria del Reino Unido. Cada participante fue evaluado con un estetoscopio electrónico y sometido a un ecocardiograma. En total, se analizaron más de 6 mil 400 grabaciones de sonidos cardíacos.
El modelo, basado en una red neuronal recurrente, fue entrenado para identificar valvulopatías clínicamente significativas, definidas como estenosis al menos leve o regurgitación moderada en alguna válvula. En la prueba con un conjunto independiente de pacientes, el algorithm alcanzó un área bajo la curva ROC de 0.83, con una sensibilidad de 72% y una especificidad de 82%.
Destacó especialmente en la detección de estenosis aórtica grave, con una sensibilidad de 98%, y de insuficiencia mitral grave, con 94%. Además, mostró una calibración sólida, lo que significa que las probabilidades que asigna se corresponden de forma fiable con el riesgo real de enfermedad.
Cuando se comparó su desempeño con el de 14 médicos generales que evaluaron las mismas grabaciones, el algorithm superó al conjunto de clínicos tanto en sensibilidad como en especificidad. Mientras que los médicos alcanzaron una sensibilidad global de 62% y una especificidad de 64%, la herramienta de AI mostró un mejor equilibrio entre ambos indicadores.
Aunque la ecocardiografía sigue siendo la prueba diagnóstica definitiva, requiere equipamiento especializado y personal entrenado, recursos que no siempre están disponibles para un tamizaje amplio.
“Si se puede descartar con seguridad a quienes definitivamente no tienen enfermedad significativa, se pueden concentrar los recursos en quienes más los necesitan”, indicó el Dr. Agarwal.
El sistema propuesto funciona con aproximadamente un minuto de grabación en los puntos habituales de auscultación del tórax y no requiere operadores altamente especializados. Esto abre la posibilidad de utilizarlo como herramienta de cribado en atención primaria o en programas comunitarios.
“Las enfermedades valvulares tienen tratamiento. Podemos reparar o reemplazar válvulas dañadas y ofrecer a las personas muchos más años de vida saludable”, subrayó el Dr. Steeds. “Pero el momento lo es todo. Herramientas de detección simples y escalables como esta podrían marcar una diferencia real al identificar a los pacientes antes de que ocurra un daño irreversible”.
Los autores reconocen que su cohorte incluyó una proporción elevada de pacientes hospitalarios, por lo que saben que será necesario validar el algorithm en poblaciones de cribado más amplias y con menor prevalencia de enfermedad. También señalan que el estudio se centró en valvulopatías degenerativas, más frecuentes en adultos mayores. Aun así, los resultados sugieren que la combinación de estetoscopios electrónicos e AI podría transformar una práctica clínica tradicional en una herramienta moderna de detección temprana, con el potencial de reducir diagnósticos tardíos y mejorar el pronóstico de los pacientes.
