Modelo de IA examina lecturas de ECG en busca de defectos cardíacos con alta precisión

La comunicación interauricular (CIA) es una forma común de enfermedad cardíaca congénita en adultos, que tiene el potencial de provocar insuficiencia cardíaca. Su naturaleza insidiosa a menudo resulta en una subnotificación, ya que los síntomas pueden no manifestarse hasta que se desarrollen complicaciones graves e irreversibles. La CIA se caracteriza por un agujero en el tabique del corazón, que permite que la sangre fluya entre las aurículas izquierda y derecha. Aunque la afección sólo se diagnostica en entre el 0,1 % y el 0,2 % de las personas, los síntomas suelen ser sutiles o estar completamente ausentes hasta etapas avanzadas de la vida. Estos pueden incluir dificultad para realizar ejercicios extenuantes, palpitaciones del corazón, alteración del ritmo de los latidos del corazón y mayor riesgo de neumonía. Incluso cuando la CIA es asintomática, puede ejercer presión sobre el corazón, aumentando las posibilidades de complicaciones como fibrilación auricular, accidente cerebrovascular, insuficiencia cardíaca e hipertensión pulmonar. Una vez que aparecen estas complicaciones, son irreversibles, incluso si el defecto subyacente se repara posteriormente. Sin embargo, la detección temprana permite una corrección quirúrgica mínimamente invasiva, mejorando la esperanza de vida y minimizando las complicaciones.

El diagnóstico de CIA presenta sus desafíos. Escuchar el corazón con un estetoscopio puede detectar los defectos más importantes, pero este método sólo identifica alrededor del 30 % de los casos. Un ecocardiograma, si bien es más preciso, requiere mucho tiempo y trabajo, lo que lo hace inadecuado para una detección generalizada. La electrocardiografía (ECG), por otro lado, es rápida y se presta a la detección, pero tradicionalmente ha tenido una sensibilidad limitada para detectar la CIA. Investigadores del Hospital Brigham and Women (Boston, MA, EUA) han dado un importante paso adelante al desarrollar un modelo de IA que supera a los métodos convencionales en la identificación de CIA mediante lecturas de ECG. Entrenaron un modelo de aprendizaje profundo con datos de ECG de 80.947 pacientes, mayores de 18 años, que se sometieron a pruebas de ECG y ecocardiograma para detectar CIA en tres hospitales diferentes de EUA y Japón. Entre ellos, 857 fueron diagnosticados con CIA.

El modelo se validó aún más utilizando exploraciones de un hospital comunitario, donde mostró una sensibilidad superior en comparación con los métodos convencionales, detectando con precisión la CIA el 93,7 % de las veces, mientras que el análisis por humanos basado en anomalías conocidas del ECG identificó la CIA sólo el 80,6 % de las veces. Estos hallazgos resaltan el potencial del uso del análisis de ECG impulsado por IA para la detección de CIA a gran escala, dada la relativa asequibilidad y accesibilidad del ECG. Esto podría ayudar a detectar la afección antes de que evolucione hacia un daño cardíaco irreversible. Sin embargo, los investigadores reconocieron limitaciones; incluso la combinación de ecocardiograma e IA podría pasar por alto algunos defectos, en particular los más pequeños que podrían no requerir intervención quirúrgica.

"Si podemos implementar nuestro modelo en una detección de ECG a nivel poblacional, podríamos detectar a muchos más de estos pacientes antes de que sufran daños irreversibles", afirmó Shinichi Goto, MD, Ph.D., autor correspondiente del artículo e instructor en la División de Medicina Cardiovascular del Hospital Brigham and Women.

Enlaces relacionados:
Hospital Brighamand Women