Tecnología de IA puede predecir eventos cardíacos con una anticipación de 10 años

Las guías clínicas actuales recomiendan la angiografía coronaria por tomografía computarizada (ACTC) como investigación en primera línea para identificar a los pacientes que pueden necesitar revascularización coronaria debido a una enfermedad arterial coronaria obstructiva (EAC). Sin embargo, este método a menudo identifica a muchos pacientes que no tienen EAC obstructiva, así como a aquellos sin ningún ateroma coronario, a quienes generalmente son dados de alta sin tratamiento ni seguimiento adicionales, lo que deja inciertos su tratamiento y sus resultados. Ahora, un estudio clínico histórico publicado recientemente en la revista The Lancet ha demostrado la eficacia de una nueva tecnología de inteligencia artificial (IA) para cuantificar la inflamación de las arterias coronarias y predecir eventos cardíacos con precisión.

Desarrollada por Caristo Diagnostics (Oxford, Reino Unido), la tecnología CaRi-Heart basada en IA introduce un nuevo enfoque para combatir los ataques cardíacos y otras enfermedades cardíacas mediante la detección de inflamación oculta. Esta tecnología aprovecha algoritmos avanzados de IA aplicados a exploraciones ACTC de rutina, lo que le permite visualizar y cuantificar la inflamación coronaria, un factor clave, pero a menudo invisible, que contribuye a muchos ataques cardíacos y accidentes cerebrovasculares fatales. La tecnología se probó en un estudio histórico que analizó datos de los primeros 40.000 pacientes inscritos en el registro ORFAN, que es el estudio mundial más grande que evalúa la capacidad de los biomarcadores de imágenes coronarias ACTC para predecir resultados cardiovasculares a largo plazo.

El estudio reveló que más del 80 % de los pacientes sometidos a ACTC no presentaban EAC obstructiva en el momento de las exploraciones. A pesar de esto, el grupo sin EAC obstructiva experimentó el doble de eventos cardíacos fatales y no fatales. La inflamación coronaria, medida por el CaRi-Heart FAI-Score de Caristo, predijo estos eventos (incluidos ataques cardíacos y nuevos casos de insuficiencia cardíaca) independientemente de los factores de riesgo tradicionales, las interpretaciones clínicas de ACTC de rutina, la puntuación de calcio y la cuantificación de placa, y lo hizo hasta a 10 años de antelación. En particular, entre aquellos pacientes que inicialmente no mostraron placa coronaria o la mostraron mínimamente, aquellos con los resultados más anormales de la puntuación FAI enfrentaron un aumento de 9,5 veces en el riesgo de mortalidad cardíaca y un aumento de 5,5 veces en el riesgo de eventos cardíacos adversos mayores (MACE). 

Además, el modelo de riesgo de IA de Caristo, CaRi-Heart Risk Score, superó otras puntuaciones clínicas existentes en la predicción de la mortalidad cardíaca. Cuando esta puntuación se presentó a los médicos, influyó en los cambios en las decisiones de manejo para el 45 % de los pacientes, principalmente impulsados por la necesidad de abordar una inflamación coronaria no detectada previamente. Este estudio subraya la necesidad de contar con herramientas sólidas de predicción de riesgos que puedan identificar a los pacientes en riesgo debido a arterias coronarias inflamadas, especialmente aquellos sin EAC obstructiva. La tecnología CaRi-Heart podría transformar la ACTC de una mera prueba de diagnóstico para seleccionar una minoría de pacientes para una intervención adicional a una herramienta preventiva que oriente el tratamiento de todos los pacientes sometidos a ACTC.

"La inflamación coronaria es una pieza crucial del rompecabezas en la predicción del riesgo de ataque cardíaco", dijo Keith Channon, MD, profesor de medicina cardiovascular en la Universidad de Oxford, director médico de Caristo. "Estamos entusiasmados de descubrir que los resultados de CaRi-Heart realizaron excepcionalmente bien en la predicción de eventos cardíacos del paciente. Esta herramienta está bien posicionada para ayudar a los médicos a identificar pacientes de alto riesgo con exploraciones ACTC aparentemente "normales".