MADRID, 23 Abr. (EUROPA PRESS) -
Investigadores del Monte Sinaí (Estados Unidos) que estudian un tipo de enfermedad cardíaca conocida como miocardiopatía hipertrófica (MCH) han calibrado un algoritmo de inteligencia artificial (IA) para identificar de manera rápida y más específica a los pacientes con la afección y marcarlos como de alto riesgo para recibir mayor atención durante las citas médicas.
¿QUÉ ES LA MIOCARDIOPATÍA HIPERTRÓFICA Y POR QUÉ ES TAN PELIGROSA?
La miocardiopatía hipertrófica (HCM) afecta a una de cada 200 personas en todo el mundo y es una de las principales causas de trasplante cardíaco. Sin embargo, muchos pacientes desconocen su afección hasta que presentan síntomas y la enfermedad puede estar ya en una etapa avanzada.
El algoritmo, conocido como Viz HCM, había sido previamente aprobado por la Administración de Alimentos y Medicamentos (FDA) para la detección de miocardiopatía hipertrófica (MCH) en un electrocardiograma (ECG). El estudio del Monte Sinaí, publicado en la revista 'NEJM AI', asigna probabilidades numéricas a los hallazgos del algoritmo.
LA INTELIGENCIA ARTIFICIAL VIZ HCM DETECTA RIESGOS CARDÍACOS ANTES DE LOS SÍNTOMAS
Por ejemplo, aunque el algoritmo podría haber dicho anteriormente "marcado como sospechoso de miocardiopatía hipertrófica" o "alto riesgo de miocardiopatía hipertrófica", el estudio de Mount Sinai permite interpretaciones, haste el punto de señalar si tiene "aproximadamente un 60 por ciento de probabilidades de tener miocardiopatía hipertrófica", dice el autor correspondiente, el doctor Joshua Lampert, director de aprendizaje automático en el Mount Sinai Fuster Heart Hospital.
Como resultado, los pacientes que no habían sido previamente diagnosticados con miocardiopatía hipertrófica pueden comprender mejor su riesgo individual de enfermedad, lo que lleva a una evaluación más rápida e individualizada, junto con un tratamiento para prevenir potencialmente complicaciones como la muerte cardíaca súbita, especialmente en pacientes jóvenes.
Este es un avance importante en la aplicación de nuevos algoritmos de aprendizaje profundo a la práctica clínica, al proporcionar a profesionales sanitarios y pacientes información más relevante. Los profesionales sanitarios pueden optimizar sus flujos de trabajo clínicos al garantizar que los pacientes con mayor riesgo se identifiquen al principio de su lista de trabajo clínico mediante una herramienta de clasificación.
Los pacientes pueden recibir un mejor asesoramiento al recibir información más individualizada mediante la calibración del modelo, lo que mejora la interpretabilidad de las puntuaciones de clasificación. Queda por demostrar si esta estrategia de calibración local del modelo es universalmente aplicable a otros entornos -destaca el doctor Lampert, profesor adjunto de Medicina (Cardiología y Medicina Digital y Basada en Datos) en la Escuela de Medicina Icahn del Monte Sinaí-. Esto puede transformar la práctica clínica, ya que este enfoque proporciona información relevante de forma clínicamente pragmática para facilitar la atención al paciente.
CÓMO MEJORA LA ATENCIÓN MÉDICA LA IA CALIBRADA DEL MONTE SINAÍ
Los investigadores del Monte Sinaí aplicaron el algoritmo Viz HCM a casi 71.000 pacientes que se realizaron un electrocardiograma entre el 7 de marzo de 2023 y el 18 de enero de 2024. El algoritmo detectó 1.522 pacientes con una alerta positiva de miocardiopatía hipertrófica (MIH). Los investigadores revisaron los registros y los datos de imágenes para confirmar qué pacientes tenían un diagnóstico confirmado de MIH.
Tras revisar los diagnósticos confirmados, los investigadores aplicaron la calibración del modelo a la herramienta de IA para evaluar si la probabilidad calibrada de miocardiopatía hipertrófica (MIH) se correlacionaba con la probabilidad real de que los pacientes padecieran la enfermedad. Descubrieron que el modelo calibrado proporcionaba una estimación precisa de la probabilidad de que un paciente padeciera MIH.
El uso del modelo para analizar los resultados del ECG de los pacientes podría permitir a los cardiólogos priorizar a los pacientes de mayor riesgo para citarlos y tratarlos antes de que los síntomas comiencen o se agraven. Los médicos podrán explicar el riesgo individualizado a cada paciente, en lugar de afirmar vagamente que un modelo de IA los detectó. Esto puede ayudar a que los nuevos pacientes se involucren y se atiendan para prevenir resultados adversos asociados con la miocardiopatía hipertrófica (MIH), como la muerte súbita o los síntomas causados por el engrosamiento del músculo cardíaco que obstruyen el flujo sanguíneo.
"Este estudio proporciona la granularidad tan necesaria para replantear cómo triajeamos, estratificamos el riesgo y asesoramos a los pacientes. En la era de la inteligencia aumentada, debemos avanzar para incorporar nuevas sofisticaciones en nuestro enfoque de atención al paciente", reafirma el coautor principal , el doctor Vivek Reddy, Director de Servicios de Arritmia Cardíaca del Sistema de Salud Mount Sinai.
"Utilizando la miocardiopatía hipertrófica como caso práctico ilustrativo, demostramos cómo podemos implementar pragmáticamente herramientas novedosas incluso en el contexto de enfermedades menos comunes mediante la clasificación de IA para el triaje de pacientes", señala recordando que el siguiente paso es ampliar este estudio y la calibración de IA para HCM a otros sistemas de salud en todo el país.