Los ECG mejorados con IA pueden perfeccionar diagnóstico y tratamiento de la miocardiopatía hipertrófica obstructiva

El uso de inteligencia artificial (IA) en el análisis de electrocardiogramas (ECG) puede mejorar el diagnóstico y el tratamiento de la miocardiopatía hipertrófica (MCH), según los hallazgos de un nuevo estudio que apunta a los beneficios potenciales para el monitoreo remoto de la afección.

El estudio realizado por investigadores de la Universidad de California en San Francisco (UCSF, San Francisco, CA, EUA) encontró que el ECG-IA puede ayudar a identificar la MCH en sus primeras etapas y monitorear cambios importantes relacionados con la enfermedad a lo largo del tiempo. El equipo demostró que el análisis de IA de los ECG no solo puede predecir con precisión el diagnóstico de MCH, sino también que el ECG-IA se correlaciona longitudinalmente con las presiones cardíacas y las mediciones de laboratorio relacionadas con la MCH. El estudio mostró que el análisis de IA puede capturar mucha más información de los ECG relacionados con la fisiopatología obstructiva de la MCH que la que se obtiene actualmente mediante la interpretación manual de ECG y fue el primer estudio que demostró que el análisis de IA de los ECG se puede utilizar potencialmente para controlar las mediciones fisiológicas y la hemodinámicas relacionadas con la enfermedad. 

Los investigadores aplicaron dos algoritmos de ECG-IA independientes a los ECG previos al tratamiento y durante el tratamiento del ensayo clínico de fase 2 PIONEER-OLE (un ensayo clínico para el tratamiento con el fármaco para la MCH Mavacamten en adultos con MCH obstructiva sintomática). Después de demostrar que ambos algoritmos detectaron con precisión la MCH en datos de ensayos clínicos sin capacitación adicional, luego demostraron que las puntuaciones de MCH del ECG-IA se correlacionaron longitudinalmente con el estado de la enfermedad, medido por disminuciones en el tiempo en los gradientes del tracto de salida del ventrículo izquierdo y los niveles del péptido natriurético (NT-proBNP) en estos pacientes.

Las asociaciones longitudinales de la puntuación de MCH del ECG-IA fueron significativas y probablemente reflejaron cambios en la forma de onda del ECG sin procesar que fueron detectables por los ECG-IA y se correlacionaron con la fisiopatología y la gravedad de la enfermedad de MCH. El potencial de los ECG-IA se amplía por el hecho de que los ECG ahora se pueden medir de forma remota a través de electrodos habilitados para teléfonos inteligentes y pueden permitir la evaluación remota de la progresión de la enfermedad, así como la respuesta al tratamiento farmacológico. Según los investigadores, se necesitan estudios futuros para determinar si los ECG-IA pueden rastrear el estado de la enfermedad y usarse como guía para la medición de medicamentos para mejorar la seguridad.

Enlaces relacionados:
Universidad de California en San Francisco