Investigadores del Mass General Brigham entrenaron una red neuronal con datos de más de 200 mil pacientes para predecir el riesgo de ictus isquémico a diez años, con resultados que apuntan a anomalías en la actividad auricular como mecanismo subyacente.
Un equipo de investigadores del Mass General Brigham desarrolló un modelo de inteligencia artificial capaz de estimar el riesgo de infarto cerebral isquémico a diez años a partir de un electrocardiograma estándar de 12 derivaciones, con una precisión similar a la del Perfil de Riesgo de Ictus de Framingham revisado, una de las herramientas clínicas de referencia en este campo. El estudio, publicado en JACC Journals, analizó datos de más de 200 mil pacientes atendidos en tres hospitales del sistema de salud de Boston.
El modelo, denominado ECG2Stroke, fue entrenado mediante una red neuronal convolucional con registros electrocardiográficos de 101,496 pacientes del Mass General Brigham, con una edad promedio de 57 años y 48% de mujeres. Las probabilidades generadas por la red se integraron con variables de edad y sexo en un modelo estadístico de supervivencia. Su desempeño se evaluó posteriormente en tres cohortes independientes: un conjunto de prueba del propio MGH con 4,771 personas, una muestra del Brigham and Women’s Hospital con 68,884 pacientes y otra del Beth Israel Deaconess Medical Center con 29,882 participantes.
En los tres conjuntos de validación, el modelo alcanzó una discriminación moderada para predecir el ictus isquémico incidente a diez años, con valores del área bajo la curva, métrica que mide la capacidad del modelo para distinguir entre quienes desarrollarán o no la enfermedad, de 0.795, 0.774 y 0.772, respectivamente. El error de calibración fue bajo en los tres casos. Al compararlo con el perfil de Framingham en los subgrupos con datos disponibles, ECG2Stroke mostró un rendimiento equivalente o ligeramente superior. La capacidad predictiva se mantuvo en distintos subgrupos, incluidos pacientes con y sin fibrilación auricular.
El análisis de los mapas de saliencia, que señalan qué regiones del electrocardiograma influyen más en las predicciones del modelo, destacó la onda P, el componente del trazado que refleja la actividad eléctrica de las aurículas. Las estimaciones de riesgo mostraron una correlación significativa con índices estructurados de esa onda, y el modelo se asoció con fuerza al ictus de origen cardioembólico, con una razón de riesgo específica por causa de 2.17 por desviación estándar, pero no al ictus no cardioembólico. Estos hallazgos sugieren que el modelo podría estar capturando marcadores de alteraciones en el sustrato auricular vinculadas a la formación de émbolos cardíacos.
Los autores señalan que las herramientas disponibles para identificar a los pacientes con mayor riesgo de ictus suelen requerir cálculos complejos, no son fácilmente escalables y, por ello, no se emplean de forma generalizada en la práctica clínica habitual, según indicó el coautor principal Rahul Mahajan, neurólogo del Mass General Brigham Neuroscience Institute. Asimismo, el coautor principal Shaan Khurshid, cardiólogo del Mass General Brigham Heart and Vascular Institute, apuntó que, de confirmarse en estudios prospectivos en entornos reales, este tipo de herramientas podría ayudar a identificar qué pacientes deben ser priorizados para intervenciones intensivas de prevención, y que también podría impulsar investigación mecanística sobre las anomalías en las cámaras superiores del corazón y su relación con el ictus.
