Un nuevo estudio explica cómo un biomarcador digital basado en deep learning puede ayudar a identificar la hipertensión y predecir complicaciones cardiovasculares usando solo un electrocardiograma.
La hipertensión, o presión arterial alta, es uno de los principales factores de riesgo para enfermedades cardiovasculares, como infartos, derrames cerebrales e insuficiencia cardíaca. Sin embargo, diagnosticarla no siempre es fácil, ya que las mediciones de la presión arterial pueden variar mucho dependiendo del momento y las condiciones en que se toman. Además, muchas personas tienen lo que se llama “hipertensión enmascarada”, donde la presión arterial parece normal en el consultorio, pero está elevada en la vida diaria.
En este estudio, publicado en npj Digital Medicine journal, un equipo de investigadores desarrolló un modelo de inteligencia artificial (IA) llamado HTN-AI, que utiliza señales de un electrocardiograma (ECG) de 12 derivaciones para detectar la hipertensión y predecir el riesgo de complicaciones cardiovasculares. Este modelo podría ser una herramienta útil para identificar a personas con hipertensión que podrían pasar desapercibidas con los métodos tradicionales.
El modelo de deep learning o aprendizaje profundo, HTN-AI fue entrenado con más de 750,000 electrocardiogramas de más de 100 mil pacientes del Hospital General de Massachusetts (MGH). Aprendió a reconocer patrones en las señales del ECG que están asociados con cambios en el corazón causados por la hipertensión, como alteraciones en la conducción eléctrica y el grosor de las paredes del corazón.
Posteriormente, el modelo fue probado en otro grupo de más de 56 mil pacientes del Hospital Brigham and Women’s, para asegurarse de que funcionaba bien en una población diferente. Los resultados mostraron que HTN-AI podía identificar correctamente a los pacientes con hipertensión con una precisión del 80% en el primer grupo y del 77% en el segundo.
Las ventajas de HTN-AI incluyen:
- Detección de hipertensión: HTN-AI puede identificar a personas con hipertensión incluso cuando sus mediciones de presión arterial en el consultorio parecen normales. Esto es especialmente útil para detectar la “hipertensión enmascarada”.
- Predicción de riesgos: Además de detectar la hipertensión, el modelo también puede predecir el riesgo de complicaciones cardiovasculares, como infartos, derrames cerebrales e insuficiencia cardíaca. Por ejemplo, los pacientes con un puntaje alto en HTN-AI tenían un riesgo significativamente mayor de sufrir estos eventos en comparación con aquellos con un puntaje bajo.
- Facilidad de uso: A diferencia de las mediciones de presión arterial ambulatoria, que requieren que los pacientes usen un dispositivo durante 24 horas, HTN-AI solo necesita un ECG estándar, que es una prueba rápida y no invasiva.
El estudio arrojó diversos resultados clave, por ejemplo, la asociación con eventos cardiovasculares. Es decir, los pacientes con un puntaje alto en HTN-AI tenían mayor riesgo de mortalidad, insuficiencia cardíaca, infarto de miocardio, accidente cerebrovascular y disección aórtica. Esto sugiere que el modelo no solo detecta la hipertensión, sino que también identifica a las personas con mayor riesgo de complicaciones graves.
Asimismo, el modelo HTN-AI mostró ser más efectivo que las mediciones tradicionales de presión arterial para predecir el riesgo cardiovascular. Esto indica que el ECG puede proporcionar información adicional sobre la salud del corazón que no se captura con una simple medición de presión arterial.
Aunque los resultados son prometedores, el estudio tiene algunas limitaciones. Por ejemplo, el modelo se entrenó y validó en dos hospitales de la misma región, por lo que es necesario probarlo en poblaciones más diversas. Además, la hipertensión se diagnosticó principalmente con mediciones de presión arterial en el consultorio, que pueden no ser tan precisas como las mediciones ambulatorias de 24 horas.
El modelo HTN-AI, al utilizar solo un ECG, este modelo puede ayudar a identificar a personas con hipertensión que podrían pasar desapercibidas con los métodos tradicionales, y también predecir quiénes tienen mayor riesgo de sufrir complicaciones cardiovasculares.
