Con la ayuda de la inteligencia artificial (IA), una prueba económica que se encuentra en muchos consultorios médicos, como es el electrocardiograma, pronto podría usarse para detectar enfermedades cardíacas ocultas, según afirma una investigación de la Universidad de Columbia (Estados Unidos) publicada en 'Nature'.
En profundidad
Las cardiopatías estructurales, como las valvulopatías, las cardiopatías congénitas y otros problemas que deterioran la función cardíaca, afectan a millones de personas en todo el mundo. Sin embargo, a falta de una prueba de detección rutinaria y asequible, muchos problemas cardíacos estructurales pasan desapercibidos hasta que se produce una pérdida significativa de la función cardíaca.
"Tenemos colonoscopias, tenemos mamografías, pero no tenemos equivalentes para la mayoría de las formas de enfermedades cardíacas", reflexiona Pierre Elias, profesor adjunto de medicina e informática biomédica en el Colegio de Médicos y Cirujanos Vagelos de la Universidad de Columbia y director médico de Inteligencia Artificial en el NewYork-Presbyterian.
Elias e investigadores de la Universidad de Columbia y el Hospital Presbiteriano de Nueva York desarrollaron una herramienta de detección impulsada por inteligencia artificial, EchoNext, que analiza datos del electrocardiograma (ECG) ordinario para identificar a los pacientes que deberían realizarse una ecografía (ecocardiograma), una prueba no invasiva que se utiliza para diagnosticar problemas cardíacos estructurales.
En concreto, EchoNext identificó con precisión la enfermedad cardíaca estructural a partir de lecturas de ECG con mayor frecuencia que los cardiólogos, incluidos aquellos que usaron IA para ayudar a interpretar los datos. "EchoNext básicamente utiliza la prueba más económica para determinar quién necesita la ecografía más cara", destaca Elias, quien dirigió el estudio. "Detecta enfermedades que los cardiólogos no pueden detectar con un ECG. Creemos que la combinación del ECG con IA tiene el potencial de crear un paradigma de cribado completamente nuevo".
De esta forma, EchoNext se diseñó para analizar datos de ECG ordinarios y determinar cuándo se justifica un seguimiento con ecografía cardíaca. El modelo de aprendizaje profundo se entrenó con más de 1,2 millones de pares de ECG y ecocardiogramas de 230.000 pacientes. En un estudio de validación realizado en cuatro sistemas hospitalarios, incluyendo varios campus del NewYork-Presbyterian, la herramienta de cribado demostró una alta precisión en la identificación de problemas cardíacos estructurales, como insuficiencia cardíaca por miocardiopatía, valvulopatía, hipertensión pulmonar y engrosamiento cardíaco grave.
En una comparación directa con 13 cardiólogos en 3200 ECG, EchoNext identificó con precisión el 77 % de los problemas cardíacos estructurales. En cambio, los cardiólogos que realizaron un diagnóstico con los datos del ECG tuvieron una precisión del 64%.
Para ver qué tan bien funcionaba la herramienta en el mundo real, el equipo de investigación ejecutó EchoNext en casi 85,000 pacientes sometidos a ECG que no se habían sometido previamente a un ecocardiograma. La herramienta de IA identificó a más de 7,500 individuos (9%) como de alto riesgo de tener una enfermedad cardíaca estructural no diagnosticada. Luego, los investigadores siguieron a los pacientes a lo largo de un año para ver cuántos fueron diagnosticados con enfermedad cardíaca estructural. (Los médicos de los pacientes no estaban al tanto de la implementación de EchoNext, por lo que no se vieron influenciados por sus predicciones). Entre los individuos considerados de alto riesgo por EchoNext, el 55% se sometió a su primer ecocardiograma. De ellos, casi tres cuartas partes fueron diagnosticadas con enfermedad cardíaca estructural, el doble de la tasa de positividad en comparación con todas las personas que se sometieron a su primer ecocardiograma sin el beneficio de la IA.
Con la misma tasa de positividad, si todos los pacientes identificados por EchoNext como de alto riesgo se hubieran realizado un ecocardiograma, alrededor de 2.000 pacientes adicionales podrían haber sido diagnosticados con un problema cardíaco estructural potencialmente grave.
"No se puede tratar a un paciente que desconocemos", apunta Elias. "Con nuestra tecnología, podríamos convertir los aproximadamente 400 millones de ECG que se realizarán en todo el mundo este año en 400 millones de oportunidades para detectar cardiopatías estructurales y, potencialmente, administrar un tratamiento vital en el momento más oportuno", añade Elias.
En cuanto a los próximos pasos, Elias y su equipo publicaron un conjunto de datos anónimos para ayudar a otros sistemas de salud a mejorar la detección de enfermedades cardíacas. Los investigadores también han iniciado un ensayo clínico para probar EchoNext en ocho servicios de urgencias.