Modelo de aprendizaje profundo predice la arritmia 30 minutos antes de su aparición

La fibrilación auricular, el tipo más común de arritmia cardíaca en todo el mundo, afectó a aproximadamente 59 millones de personas en 2019. Caracterizada por una frecuencia cardíaca irregular y a menudo rápida, la fibrilación auricular se produce cuando las cámaras superiores del corazón (aurículas) laten sin sincronizarse con las cámaras inferiores (ventrículos). Abordar la arritmia puede requerir intervenciones agresivas, como aplicar descargas eléctricas al corazón para devolverle un ritmo normal o extirpar quirúrgicamente áreas que generan señales defectuosas. Asociada con mayores riesgos de insuficiencia cardíaca, demencia y accidente cerebrovascular, la fibrilación auricular presenta desafíos importantes para los sistemas de salud, lo que enfatiza la importancia de la detección y el tratamiento tempranos. Los métodos de detección tradicionales, que se basan en datos de frecuencia cardíaca y electrocardiograma (ECG), suelen identificar la fibrilación auricular justo antes de su aparición, sin ofrecer ninguna advertencia previa.

Ahora, investigadores del Centro de Biomedicina de Sistemas de Luxemburgo (LCSB) de la Universidad de Luxemburgo (Esch-sur-Alzette, Luxemburgo) han logrado un gran avance con el desarrollo de un modelo avanzado de aprendizaje profundo que puede predecir la aparición de la fibrilación auricular. Su modelo, denominado WARN (Warning of Atrial fibRillatioN), proporciona con éxito alertas tempranas unos 30 minutos antes de que comience la fibrilación auricular, con aproximadamente un 80 % de precisión.

Este modelo innovador fue entrenado y probado utilizando grabaciones de 24 horas de 350 pacientes, lo que marca una mejora significativa con respecto a los métodos de predicción anteriores al ofrecer una advertencia mucho más temprana. El potencial de integrar esta tecnología en dispositivos portátiles podría transformar la gestión de pacientes, permitiendo intervenciones preventivas que mejoren los resultados. En particular, WARN se destaca como el primer método que ofrece un tiempo de espera sustancial antes del inicio de la fibrilación auricular, estableciendo un nuevo estándar en la predicción de arritmias.

"Nuestro trabajo parte de este enfoque hacia un modelo de predicción más prospectivo", dijo el profesor Jorge Gonçalves, jefe del grupo de Control de Sistemas de la LCSB. "Utilizamos datos de frecuencia cardíaca para entrenar un modelo de aprendizaje profundo que puede reconocer diferentes fases (ritmo sinusal, fibrilación preauricular y fibrilación auricular) y calcular una" probabilidad de peligro "de que el paciente tenga un episodio inminente".

Enlaces relacionados:
Universidad de Luxemburgo