Un algoritmo de IA identifica a pacientes con alto riesgo cardíaco

Desafortunadamente, muchas personas desconocen que padecen MCH hasta que aparecen los síntomas, a menudo cuando la enfermedad ya ha progresado. En respuesta, un equipo de investigadores ha desarrollado un algoritmo de inteligencia artificial (IA) para identificar con mayor precisión y rapidez a los pacientes con MCH, clasificándolos como de alto riesgo para facilitar un seguimiento más estrecho durante las consultas médicas.

El algoritmo de IA, conocido como Viz HCM, ya había recibido la aprobación de la Administración de Alimentos y Medicamentos de los Estados Unidos (FDA) para detectar la miocardiopatía hipertrófica (MCH) mediante electrocardiogramas (ECG). Sin embargo, en un nuevo estudio dirigido por investigadores del Mount Sinai (Nueva York, EUA), se mejoraron las capacidades del algoritmo al asignar probabilidades numéricas específicas a sus hallazgos.

Si bien el algoritmo antes ofrecía categorías amplias como "sospecha de MCH" o "alto riesgo de MCH", el modelo mejorado ahora ofrece información más precisa, como un porcentaje de probabilidad (por ejemplo, un 60 %) de que un paciente padezca MCH. Este avance permite a los pacientes sin diagnóstico previo de MCH comprender mejor su riesgo individual, lo que permite evaluaciones más personalizadas y un tratamiento oportuno. Esta intervención temprana podría ayudar a prevenir complicaciones graves, como la muerte súbita cardíaca, especialmente en pacientes más jóvenes.

En el estudio, publicado en la revista NEJM AI, el equipo analizó casi 71.000 lecturas de ECG tomadas de pacientes entre marzo de 2023 y enero de 2024. De estos, el algoritmo Viz HCM identificó 1,522 casos como potenciales portadores de signos de MCH. Para confirmar la precisión de estas predicciones, los investigadores llevaron a cabo una revisión exhaustiva de los registros de los pacientes y los datos de imágenes para establecer diagnósticos definitivos de MCH.

Los hallazgos mostraron que el modelo de IA calibrado alineó eficazmente sus probabilidades predichas de HCM con los diagnósticos reales, lo que confirma su utilidad para identificar a los pacientes en riesgo. Al utilizar este modelo de riesgo refinado, los médicos pueden priorizar la atención al paciente en función de sus niveles de riesgo individuales, mejorando así los flujos de trabajo clínicos. Este enfoque mejora la experiencia de atención médica al permitir discusiones más específicas e informadas durante las consultas de los pacientes.

“Este es un avance importante en la aplicación de nuevos algoritmos de aprendizaje profundo a la práctica clínica, ya que proporciona a médicos y pacientes información más significativa. Los médicos pueden optimizar sus flujos de trabajo clínicos al garantizar que los pacientes con mayor riesgo se identifiquen al principio de su lista de trabajo clínico mediante una herramienta de clasificación”, afirmó Joshua Lampert, director de Aprendizaje Automático del Hospital Cardíaco Mount Sinai Fuster.