Un modelo de aprendizaje profundo encontró en el electrocardiograma una señal oculta que predice la muerte súbita cardíaca mejor que el método de cribado actual. Lo describe un estudio de la Universidad de California en Berkeley publicado en Nature: el grupo que la IA identificó como de mayor riesgo tuvo una tasa anual de muerte súbita del 7 %, frente al 4,6 % del grupo seleccionado con el criterio convencional. Los datos son retrospectivos y aún no se ha probado que usar esta herramienta cambie los resultados de los pacientes.

El problema de la muerte súbita

Más de 300.000 personas mueren cada año en Estados Unidos por parada cardíaca súbita, y alrededor del 90 % de quienes la sufren fuera del hospital fallecen en cuestión de minutos. Existe una solución conocida, el desfibrilador implantable, pero no una forma fiable de saber quién lo necesita a tiempo: aproximadamente dos tercios de los desfibriladores implantados en pacientes de alto riesgo nunca llegan a dar una descarga. El criterio de cribado actual se basa en la cantidad de sangre que bombea el corazón en cada latido, la fracción de eyección.

Cómo se hizo el estudio

El equipo de Ziad Obermeyer entrenó el modelo con seis años de electrocardiogramas del sistema sanitario unificado de Suecia, más de 440.000 en total, enlazados con certificados de defunción para identificar a los pacientes que murieron después por causas cardíacas súbitas. El algoritmo aprendió combinaciones de picos, ondas y otros rasgos asociados a un mayor riesgo, y fue capaz de distinguir a personas sanas, pacientes con riesgos cardíacos conocidos y quienes fallecieron de forma súbita.

Para comprobar que no funcionaba solo en Suecia, lo validaron con dos conjuntos independientes: dos años de registros anonimizados de un sistema hospitalario de San Diego y una colección de pacientes de Taipéi.

Resultados

El cribado convencional identificó un grupo con una tasa anual de muerte súbita cardíaca del 4,6 %, mientras que el grupo señalado por la IA alcanzó el 7 %. Además, la mayoría de las personas que el modelo marcó como de riesgo elevado habrían sido clasificadas como de bajo riesgo con los métodos habituales. La herramienta funciona con imágenes de electrocardiograma ordinarias, ya disponibles en los hospitales.

Qué dice el equipo

Obermeyer destaca que las decisiones médicas son muy difíciles, y que ese es el motivo por el que le entusiasma la IA, pero que una buena IA depende de buenos datos, difíciles de conseguir, lo que explicaría la escasez de IA clínica en uso. Los investigadores trabajan con sistemas de salud de Suecia, Taiwán y Estados Unidos para aplicar el algoritmo a bases de datos de electrocardiogramas existentes. A los pacientes de alto riesgo los médicos les ofrecerían un parche portátil de monitorización continua, que además podría ayudar a descubrir la biología detrás de la señal.

Limitaciones

La evidencia es retrospectiva, todavía se desconoce el mecanismo biológico que explica la señal y no se ha demostrado que la diferencia entre el 7 % y el 4,6 % cambie los resultados clínicos cuando se use en la práctica. La información disponible procede de una nota de prensa, por lo que los detalles metodológicos y la financiación deben consultarse en el artículo original.

La IA en cardiología

La inteligencia artificial gana terreno en este campo. En Medical Press hemos contado cómo la IA mide el corazón en 3 segundos y predice el riesgo y cómo funciona la telemonitorización en la insuficiencia cardíaca.