Inteligencia artificial podría impulsar la detección de fibrilación auricular

Los ritmos cardíacos anormales con frecuencia surgen de (y contribuyen a) anomalías estructurales en el corazón. La fibrilación auricular es un tipo específico de ritmo anormal que puede no estar presente de manera constante y que a menudo elude la detección durante las evaluaciones médicas de rutina. En la fibrilación auricular, la sincronización entre las cámaras superior e inferior del corazón puede fallar de forma intermitente, lo que complica su diagnóstico para los profesionales sanitarios. Si bien algunas personas no experimentan síntomas de fibrilación auricular, otras pueden sufrir palpitaciones, fatiga, dificultad para respirar, mareos y otros problemas que interrumpen sus actividades diarias. Si no se trata, la fibrilación auricular puede provocar complicaciones graves, como accidentes cerebrovasculares e insuficiencia cardíaca. Ahora, los investigadores han desarrollado un programa de inteligencia artificial (IA) que es capaz de identificar la fibrilación auricular mediante el análisis de imágenes de ecocardiogramas, una prueba de diagnóstico común que utiliza ondas sonoras para producir imágenes del corazón.

Un equipo de investigación de Cedars-Sinai (Los Ángeles, CA, EUA) planteó la hipótesis de que una herramienta de inteligencia artificial diseñada para interpretar ecocardiogramas podría ayudar a los profesionales médicos a reconocer cambios cardíacos tempranos y sutiles en pacientes con arritmias no detectadas. Entrenaron este sistema de inteligencia artificial utilizando más de 100.000 ecocardiogramas de vídeo de pacientes diagnosticados con fibrilación auricular. El sistema pudo diferenciar entre ecocardiogramas que mostraban un ritmo sinusal normal y aquellos que ilustraban ritmos irregulares. Además, predijo con éxito qué pacientes actualmente en ritmo sinusal tenían riesgo de desarrollar o tener una recurrencia de fibrilación auricular en los próximos 90 días. El rendimiento de este modelo de IA en la evaluación de imágenes superó los métodos tradicionales que predicen el riesgo basándose únicamente en factores de riesgo establecidos.

"Pudimos demostrar que un algoritmo de aprendizaje profundo que desarrollamos podría aplicarse a ecocardiogramas para identificar pacientes con un trastorno oculto del ritmo cardíaco anormal llamado fibrilación auricular", dijo Neal Yuan, MD, científico del Smidt Heart Institute, primer y autor correspondiente del estudio. “La fibrilación auricular puede aparecer y desaparecer, por lo que es posible que no esté presente en una cita con el médico. Este algoritmo de IA identifica a los pacientes que podrían tener fibrilación auricular incluso cuando no está presente durante su estudio de ecocardiograma”.

Enlaces relacionados:
Cedros-Sinaí