Tecnología de IA generativa detecta enfermedades cardíacas antes que los métodos convencionales

Detectar disfunciones cardíacas de forma temprana utilizando herramientas rentables y de fácil acceso, como los electrocardiogramas (ECG), y derivar eficazmente a los pacientes adecuados a pruebas de imagen más costosas sigue siendo un reto importante en la atención médica. Ahora, investigadores han desarrollado una tecnología de inteligencia artificial (IA) que transforma lecturas básicas de ECG en señales avanzadas de movimiento cardíaco, normalmente obtenidas mediante ecocardiogramas, lo que ofrece el potencial de mejorar la detección y el seguimiento de las enfermedades cardíacas.

Esta innovadora tecnología, actualmente en proceso de patente, fue desarrollada por investigadores de Rutgers Health (Newark, NJ, EUA) y RWJBarnabas Health (West Orange, NJ, EUA). Utiliza IA generativa para analizar la velocidad del movimiento del tejido cardíaco durante un latido, utilizando señales eléctricas de un ECG. La IA convierte estas señales en una forma de onda de velocidad, similar a las ondas medidas tradicionalmente mediante ultrasonido Doppler durante la ecocardiografía. Estas formas de onda permiten a los médicos evaluar la eficacia de la contracción y relajación del corazón durante cada latido.

Mediante el empleo de redes generativas antagónicas (GAN, por sus siglas en inglés) el equipo entrenó modelos de IA para producir formas de onda sintéticas del movimiento cardíaco a partir de señales eléctricas. Pruebas exhaustivas realizadas en varios centros clínicos de Estados Unidos y Canadá demostraron la alta precisión de la tecnología para detectar tanto la disfunción diastólica (problemas con la relajación cardíaca) como la disfunción sistólica (problemas con la contracción cardíaca). Este enfoque permite una detección más temprana de problemas cardíacos en comparación con los métodos convencionales.

Tras el desarrollo del sistema, el equipo llevó a cabo múltiples pasos para validar las ondas de movimiento cardíaco sintéticas generadas a partir de datos de ECG. En una prueba aleatoria, ecocardiografistas certificados no pudieron distinguir entre ondas reales y generadas por IA. Además, las mediciones sintéticas reflejaron variaciones fisiológicas y clínicas específicas de cada paciente, como la edad y la presión arterial, al igual que lo harían las mediciones ecocardiográficas reales. Cabe destacar que la imagen Doppler tisular (IDT) sintética predijo con éxito los resultados clínicos. Esta innovación podría conducir a una identificación más temprana de enfermedades cardíacas y a la reducción de pruebas médicas innecesarias.

El análisis reveló que la técnica sintética IDT podría reducir la necesidad de ecocardiogramas en un 64,3 % para detectar la disfunción sistólica del ventrículo izquierdo y en un 69,9 % para detectar la disfunción diastólica, con una tasa de error de solo 1,4 % y 6,5 %, respectivamente. Más allá de su función en el cribado, la tecnología tiene aplicaciones clínicas más amplias. Podría mejorar el seguimiento de pacientes oncológicos que reciben terapias cardiotóxicas, así como de pacientes con miocardiopatía hipertrófica que toman nuevos medicamentos que afectan la función del músculo cardíaco. De cara al futuro, los investigadores visualizan un sistema con "gemelos digitales" de los corazones de los pacientes, que permita a los médicos probar virtualmente posibles tratamientos en el gemelo digital antes de tomar decisiones para el paciente real.

“Cuando factores de riesgo como la hipertensión, la diabetes o la enfermedad coronaria empiezan a afectar el músculo cardíaco, los cambios detectables por ECG mediante mediciones convencionales aparecen muy tardes”, afirmó Partho Sengupta, autor principal del estudio. “El IDT sintético puede detectar cambios longitudinales sutiles en la función cardíaca mucho antes de que disminuya la fracción de bombeo. La novedad no reside únicamente en un cambio en la fracción de bombeo, también conocida como fracción de eyección, sino en cambios más sutiles en el movimiento del tejido cardíaco”.

Enlaces relacionados:
Rutgers Health
RWJBarnabas Health