MADRID 8 Abr. (EUROPA PRESS) -
Un nuevo método basado en la inteligencia artificial puede predecir, con bastante más precisión que un médico, si un paciente podría morir de un paro cardíaco y cuándo, según publican los investigadores en la revista 'Nature Cardiovascular Research'.
La tecnología, construida por científicos de la Universidad Johns Hopkins (Estados Unidos) a partir de imágenes en bruto de los corazones enfermos y de los antecedentes de los pacientes, puede revolucionar la toma de decisiones clínicas y aumentar la supervivencia de las arritmias cardíacas súbitas y letales, una de las afecciones más mortales y desconcertantes de la medicina.
"La muerte súbita cardíaca causada por una arritmia representa hasta el 20 por ciento de todas las muertes en el mundo y sabemos poco sobre por qué ocurre o cómo saber quién está en riesgo", explica la autora principal, Natalia Trayanova, profesora de Ingeniería Biomédica y Medicina Murray B. Sachs.
"Hay pacientes que pueden tener un riesgo bajo de muerte súbita cardíaca y que reciben desfibriladores que quizá no necesiten, y luego hay pacientes de alto riesgo que no reciben el tratamiento que necesitan y podrían morir en la flor de la vida --añade--. Lo que nuestro algoritmo puede hacer es determinar quién está en riesgo de muerte cardíaca y cuándo se producirá, lo que permite a los médicos decidir exactamente lo que hay que hacer".
El equipo es el primero en utilizar redes neuronales para construir una evaluación de supervivencia personalizada para cada paciente con enfermedad cardíaca. Estas medidas de riesgo proporcionan con gran precisión la probabilidad de una muerte súbita cardíaca a lo largo de 10 años, y cuándo es más probable que ocurra.
La tecnología de aprendizaje profundo se llama Estudio de Supervivencia del Riesgo de Arritmia Cardíaca (SSCAR). El nombre alude a la cicatrización cardíaca causada por la enfermedad cardíaca que a menudo resulta en arritmias letales, y la clave de las predicciones del algoritmo.
El equipo utilizó imágenes cardíacas con contraste que visualizan la distribución de las cicatrices de cientos de pacientes reales del Hospital Johns Hopkins con cicatrices cardíacas para entrenar un algoritmo que detectara patrones y relaciones no visibles a simple vista. El actual análisis de imágenes cardíacas clínicas sólo extrae características simples de las cicatrices, como el volumen y la masa, infrautilizando lo que en este trabajo se ha demostrado que son datos críticos.
"Las imágenes contienen información crítica a la que los médicos no han podido acceder --afirma el primer autor, Dan Popescu, antiguo estudiante de doctorado del Johns Hopkins--. Esta cicatrización puede estar distribuida de diferentes maneras y dice algo sobre las posibilidades de supervivencia de un paciente. Hay información oculta en ella".
El equipo entrenó una segunda red neuronal para que aprendiera a partir de 10 años de datos clínicos estándar de pacientes, 22 factores como la edad, el peso, la raza y el uso de medicamentos recetados de los pacientes.
Las predicciones de los algoritmos no sólo fueron significativamente más precisas en cada medida que las de los médicos, sino que fueron validadas en pruebas con una cohorte independiente de pacientes de 60 centros de salud de todo Estados Unidos, con diferentes historiales cardíacos y diferentes datos de imagen, lo que sugiere que la plataforma podría adoptarse en cualquier lugar.
"Esto tiene el potencial de moldear significativamente la toma de decisiones clínicas en relación con el riesgo de arritmia y representa un paso esencial para llevar el pronóstico de la trayectoria del paciente a la era de la inteligencia artificial --señala Trayanova, codirectora de la Alianza para la Innovación en Diagnóstico y Tratamiento Cardiovascular--. Es el epítome de la tendencia a fusionar la inteligencia artificial, la ingeniería y la medicina como futuro de la asistencia sanitaria".
El equipo trabaja ahora en la creación de algoritmos para detectar otras enfermedades cardíacas. Según Trayanova, el concepto de aprendizaje profundo podría desarrollarse para otros campos de la medicina que dependen del diagnóstico visual.
