Análisis de ECG impulsado por IA permite la detección temprana de la EPOC

La enfermedad pulmonar obstructiva crónica (EPOC) es una de las principales causas de enfermedad y muerte a nivel mundial. Sin embargo, a menudo se diagnostica tardíamente debido a que los síntomas iniciales son imprecisos y las herramientas de diagnóstico estándar, como la espirometría, pueden requerir muchos recursos. El diagnóstico tardío limita las oportunidades de intervención temprana y empeora los resultados a largo plazo.

Ahora, investigadores han demostrado que una prueba ampliamente disponible y de bajo costo, utilizada de forma rutinaria para la evaluación cardíaca, puede ayudar a identificar la EPOC mucho antes. Sus hallazgos muestran que es posible detectar señales sutiles relacionadas con la enfermedad antes de que se establezca un diagnóstico clínico formal.

En el estudio realizado por el Sistema de Salud Mount Sinai (Nueva York, NY, EUA), los investigadores desarrollaron un enfoque de aprendizaje profundo mediante una red neuronal convolucional para analizar electrocardiogramas estándar de 12 derivaciones y 10 segundos de duración. Aunque los ECG se diseñaron principalmente para evaluar el ritmo cardíaco, la EPOC puede provocar cambios estructurales y fisiológicos en el corazón que alteran de forma sutil las ondas del ECG, modificaciones que los modelos de inteligencia artificial pueden detectar.

El equipo entrenó y evaluó el modelo utilizando ECG extraídos del sistema GE MUSE, que almacena los datos brutos de las ondas en archivos XML. Se analizaron datos recopilados entre 2006 y 2023 procedentes de cinco hospitales de Mount Sinai que atienden a una población demográficamente diversa. Se realizó una validación adicional con ECG de un sistema hospitalario externo y de pacientes con EPOC incluidos en el UK Biobank, con el fin de evaluar la solidez del enfoque en distintos entornos.

En total, se analizaron más de 208.000 ECG, incluidos registros de más de 18.000 pacientes con EPOC emparejados con más de 49.000 controles por edad, sexo y raza. El modelo logró un excelente rendimiento diagnóstico, con un área bajo la curva de 0,80 en las pruebas internas, 0,82 en la validación externa y 0,75 en la cohorte del Reino Unido. Los resultados, publicados en eBioMedicine, fueron consistentes en diversas poblaciones.

Análisis posteriores vincularon las predicciones del modelo con las mediciones de espirometría, mientras que los métodos de explicabilidad destacaron los cambios en la onda P como una señal clave asociada con la EPOC. Estos hallazgos sugieren que el análisis de ECG basado en IA podría facilitar la identificación temprana de pacientes en riesgo, lo que permitiría un tratamiento más temprano y potencialmente ralentizaría la progresión de la enfermedad. Los investigadores señalan que este enfoque podría ser especialmente valioso en entornos remotos o de escasos recursos, donde el acceso a pruebas pulmonares especializadas es limitado.

“Al demostrar que la IA puede mejorar la utilidad diagnóstica de los ECG para la EPOC, se abre una vía para la intervención y el tratamiento tempranos de esta enfermedad, lo que podría reducir la gravedad de su progresión y los costos financieros asociados. El uso de estas herramientas de diagnóstico mejoradas por IA puede extenderse a zonas remotas o de escasos recursos donde el acceso a centros de diagnóstico especializados podría ser limitado”, afirmó el Dr. Girish Nadkarni de Monte Sinaí.

“Este estudio también sienta las bases para futuras investigaciones sobre la integración de tecnologías de IA con otras herramientas diagnósticas de uso rutinario, lo que podría mejorar la precisión y la oportunidad del diagnóstico en una amplia gama de enfermedades crónicas y, en última instancia, reforzar la prevención y la intervención temprana” .

Enlaces relacionados:
Mount Sinai Health System