Redacción
Investigadores del Smidt Heart Institute del Cedars-Sinai han desarrollado un algoritmo de inteligencia artificial para detectar ritmos cardíacos anormales en personas asintomáticas. El trabajo se ha publicado en la revistaJAMA Cardiology. Este algoritmo se centra en la identificación de señales ocultas en pruebas médicas de diagnóstico comunes.
El impacto de esta investigación podría ser fundamental para ayudar a prevenir eventos cardiovasculares, como accidentes cerebrovasculares, en pacientes con fibrilación auricular. Hasta ahora, los algoritmos estaban diseñados principalmente para poblaciones blancas. Sin embargo, este nuevo enfoque ha demostrado su efectividad en una amplia gama de entornos y poblaciones de pacientes.
Esta investigación podría ayudar a prevenir eventos cardiovasculares en personas asintomáticas con fibrilación auricular
El Dr. David Ouyang, cardiólogo del Departamento de Cardiología del Instituto del Corazón Smidt del Cedars-Sinai es el autor principal del estudio, comenta: “Esta investigación no solo permite identificar problemas cardíacos no detectados previamente, sino que también nos brinda información valiosa sobre cómo desarrollar algoritmos equitativos y aplicables a todos los pacientes“. Según estimaciones, aproximadamente una de cada tres personas asintomáticas con fibrilación auricular no es consciente de su condición.
En el caso de la fibrilación auricular, las señales eléctricas que regulan el bombeo de sangre desde las cavidades superiores a las inferiores del corazón se vuelven caóticas. Este desorden puede dar lugar a la acumulación de coágulos sanguíneos en las cavidades superiores, aumentando el riesgo de accidentes cerebrovasculares isquémicos.
Para desarrollar este algoritmo, los investigadores programaron una herramienta de inteligencia artificial para analizar patrones en los electrocardiogramas (ECG), que son pruebas médicas utilizadas para monitorear las señales eléctricas del corazón. Se emplearon ECG entre 1987 y 2022 de pacientes de dos redes sanitarias del sistema Veterans Affairs. El algoritmo se entrenó con casi un millón de ECG y demostró una alta precisión en la predicción de la fibrilación auricular en un período de 31 días. Este modelo también se aplicó a registros clínicos de pacientes del Cedars-Sinai, demostrando su precisión en la identificación de casos en 31 días.
El algoritmo se entrenó con casi un millón de ECG y demostró una alta precisión en la predicción de la fibrilación auricular en un período de 31 días
El director de la División de Inteligencia Artificial en Medicina y director médico del Centro de Ritmo Cardiaco en el Departamento de Cardiología, Dr. Sumeet Chugh, destacó la diversidad geográfica y étnica del estudio y su impacto potencial en la población general de Estados Unidos. Además, enfatiza que este trabajo ejemplifica cómo la inteligencia artificial se puede utilizar en la prevención y manejo de condiciones cardíacas complejas.
Los investigadores planean continuar evaluando este algoritmo en ensayos clínicos prospectivos para determinar si puede ayudar a identificar a las personas con riesgo de sufrir ataques cardíacos o accidentes cerebrovasculares. Además, tienen la intención de desarrollar más algoritmos para abordar otros desafíos. Este avance muestra el potencial transformador de la inteligencia artificial en la atención médica, especialmente en la detección temprana de enfermedades cardiovasculares.
