Sistema de AI logra detectar con precisión fallas en la válvula cardíaca mediante ecografías.
Un sistema de inteligencia artificial (AI) y deep learning o aprendizaje prfundoc, creado en Cedars-Sinai, podría conducir a un tratamiento temprano para pacientes con insuficiencia tricuspídea. Un estudio reciente publicado en JAMA Cardiology detalla este importante avance en el uso de AI para el diagnóstico de problemas cardíacos. Los investigadores desarrollaron un sistema llamado EchoNet-TR, capaz de analizar ecocardiogramas para detectar y evaluar la gravedad de la insuficiencia tricúspide. Esta condición ocurre cuando la válvula tricúspide, que regula el flujo de sangre entre las cavidades derechas del corazón, no cierra correctamente, provocando que la sangre retroceda.
the system AI fue entrenado con más de 47,312 estudios médicos, que incluían mas de 2 millones de videos de ecocardiogramas. EchoNet-TR aprendió a identificar patrones específicos en las imágenes, como el flujo anormal de sangre a través de la válvula tricúspide. Una vez desarrollado, el modelo fue probado en dos grupos distintos de pacientes: uno del mismo hospital donde se recopilaron los datos y otro de un centro médico diferente. Esto permitió verificar que la tecnología funciona bien en diversos entornos y con diferentes equipos de ultrasonido.
Las pruebas mostraron que EchoNet-TR puede detectar casos moderados o graves de insuficiencia tricúspide con una precisión superior al 92%. En los casos más severos, su precisión aumentó al 95%. Además, el sistema demostró ser eficaz incluso en estudios de ecocardiogramas de baja calidad o en pacientes con otras afecciones cardíacas, como fibrilación auricular o problemas en las válvulas mitral o aórtica.
“Este programa de AI puede optimizar la evaluación de los cardiólogos de los ecocardiogramas, imágenes de una prueba de detección y diagnóstico que muchos pacientes con síntomas de cardiopatía ya se estarían realizando”, afirmó el Dr. David Ouyang, investigador del Smidt Heart Institute, investigador de la División de AI Artificial en Medicina de Cedars-Sinai y autor principal del estudio. “Al aplicar la AI a los ecocardiogramas, podemos ayudar a los médicos a detectar con mayor facilidad los signos de la valvulopatía para que los pacientes reciban la atención que necesitan lo antes posible”, expresó.
Uno de los hallazgos más relevantes fue que the AI logró resultados comparables a los de los cardiólogos expertos, lo que sugiere que podría ser una herramienta valiosa para apoyar el diagnóstico, especialmente en regiones con acceso limitado a especialistas.
Los autores destacan que esta tecnología podría utilizarse para revisar grandes bases de datos de estudios cardíacos, identificar pacientes con insuficiencia tricúspide que requieren tratamiento oportuno o incluso ayudar a médicos no especializados a realizar diagnósticos más precisos. Sin embargo, también señalan que se necesitan más estudios para confirmar su eficacia en entornos clínicos reales antes de implementarla de manera generalizada.
“Una ventaja importante de los algoritmos de AI es que nunca se fatigan y tienen la capacidad de identificar anomalías valvulares en grandes poblaciones de pacientes, lo que lleva la cardiología personalizada a un nivel completamente diferente”, dijo Sumeet Chugh, director de la División de AI en Medicina.
El estudio concluye que EchoNet-TR demostró capacidad para identificar y clasificar la insuficiencia tricúspide con alta precisión en diferentes grupos de pacientes. Los resultados mostraron un área bajo la curva (AUC) de 0.928 para detectar casos moderados o graves y de 0.956 para los casos severos. El sistema mantuvo su eficacia al ser probado en un centro médico diferente, lo que sugiere su posible utilidad clínica. Los investigadores indican que este modelo podría servir como base para futuras evaluaciones de AI en ecocardiografía. Aunque aún hay desafíos por superar, esta tecnología representa un paso importante hacia diagnósticos más rápidos y accesibles.
