Modelo de IA predice el riesgo de los pacientes de desarrollar y empeorar una enfermedad a partir de ECG

Un electrocardiograma (ECG) es una prueba que registra la actividad eléctrica del corazón y se encuentra entre las evaluaciones médicas más frecuentes en todo el mundo. Los ECG ilustran el flujo de señales eléctricas dentro y entre las distintas cámaras del corazón, incluidas las aurículas y los ventrículos. Además, los ECG recopilan información extensa del cuerpo, ya que enfermedades como la diabetes, que afectan órganos como los riñones o el hígado, también pueden afectar la función cardíaca. Los cardiólogos confían en su experiencia y en las pautas establecidas para interpretar los ECG, clasificándolos en patrones "normales" y "anormales" para ayudar a diagnosticar diversas enfermedades. Si bien los ECG mejorados con inteligencia artificial (IA) son reconocidos por su precisión en el diagnóstico de enfermedades cardíacas, nunca antes se habían utilizado para informar a los médicos sobre el riesgo de un paciente individual de desarrollar una variedad de enfermedades específicas y tratables en el futuro. Un nuevo modelo de IA ahora permite predecir los riesgos de los pacientes de desarrollar y empeorar enfermedades, así como su riesgo de mortalidad temprana, utilizando un ECG. Este modelo permite a los médicos detectar enfermedades de manera más temprana y priorizar los casos urgentes para su intervención.

Los investigadores del Imperial College London (Londres, Reino Unido) utilizaron amplios conjuntos de datos de fuentes internacionales, que abarcan millones de ECG recopilados como parte de la atención de rutina, para entrenar su modelo de IA para analizar los ECG y predecir con precisión qué pacientes desarrollarían nuevas enfermedades, experimentarían progresión de la enfermedad o finalmente morirían. El modelo de IA fue entrenado para interpretar el flujo de señales eléctricas dentro y entre las aurículas y los ventrículos, identificando patrones en las señales eléctricas. Según los investigadores, el modelo puede discernir patrones de ECG con mayor complejidad y matices que un cardiólogo. Sus hallazgos, publicados en Lancet Digital Health, indican que el modelo de IA, denominado estimación de riesgo AI-ECG o AIRE, identificó con éxito el riesgo de muerte dentro de los diez años posteriores al ECG con una precisión del 78 %. En los casos en los que el modelo era incorrecto, los investigadores sugieren que factores desconocidos, como el tratamiento posterior o causas de muerte imprevistas, pueden haber jugado un papel.

Imagen: El modelo de IA puede predecir riesgos para la salud, incluida la muerte prematura, a partir de ECG (foto cortesía de Adobe Stock)

El sistema es capaz de predecir futuros riesgos para la salud, incluidos problemas de ritmo cardíaco, ataques cardíacos e insuficiencia cardíaca, así como la probabilidad de morir por causas no relacionadas con el corazón. Los investigadores informaron un alto nivel de precisión en estas predicciones. También analizaron imágenes y datos genéticos, que respaldaron sus hallazgos al confirmar que las predicciones de IA estaban asociadas con factores biológicos reales en la estructura y función del corazón. Este aspecto es fundamental para establecer la credibilidad del modelo entre los clínicos, ya que demuestra la capacidad del modelo para detectar cambios sutiles en la estructura del corazón a lo largo del tiempo, los cuales son indicadores tempranos de riesgo de enfermedad o mortalidad.

“Nuestro trabajo ha demostrado que este modelo de IA es una herramienta creíble y confiable que, en el futuro, podría programarse para su uso en diferentes áreas del NHS con el fin de proporcionar a los médicos información relevante sobre los riesgos”, dijo el Dr. Fu Siong Ng, autor principal del estudio y profesor adjunto de electrofisiología cardíaca en el Instituto Nacional del Corazón y los Pulmones del Imperial College de Londres. “Esto podría tener un impacto positivo en el tratamiento de los pacientes y, en última instancia, mejorar la longevidad y la calidad de vida de los pacientes. También podría reducir las listas de espera y permitir una asignación más eficiente de los recursos. Creemos que esto podría tener importantes beneficios para el NHS y a nivel mundial”.