La IA identifica con precisión a personas con prediabetes utilizando datos de ECG

La baja participación en los chequeos de salud de rutina, junto con el costo y la naturaleza invasiva de las pruebas de laboratorio, limita aún más la detección temprana.

Sin embargo, esta etapa temprana representa una ventana crítica en la que los cambios en el estilo de vida pueden prevenir la progresión a la diabetes tipo 2. Ahora, investigadores han demostrado que patrones sutiles en la actividad eléctrica del corazón pueden utilizarse para identificar con precisión a personas con prediabetes empleando únicamente datos de ECG.

Investigadores del Instituto de Ciencias de Tokio (Tokio, Japón), en colaboración con socios académicos, han desarrollado un modelo de inteligencia artificial (IA) llamado DiaCardia, diseñado para detectar la prediabetes mediante ECG estándar de 12 derivaciones o registros simplificados de ECG de una sola derivación. El objetivo era crear una herramienta de detección no invasiva y escalable que, con el tiempo, pudiera funcionar con dispositivos portátiles de consumo.

DiaCardia se basa en el marco de aprendizaje automático LightGBM y analiza las características del ECG a nivel de forma de onda sin depender de datos demográficos como la edad o el sexo. El modelo extrae cientos de características cuantitativas de las señales del ECG que reflejan la estructura cardíaca y la regulación autonómica, ambas afectadas en las etapas iniciales de las enfermedades metabólicas.

Para entrenar y evaluar el modelo, los investigadores analizaron 16.766 registros de chequeos médicos de una clínica de Tokio, cada uno con datos de glucosa en ayunas, valores de HbA1c y ECG de 12 derivaciones. La prediabetes o diabetes se definió mediante umbrales clínicos estándar o el tratamiento de la diabetes en curso. En pruebas internas, DiaCardia alcanzó un AUROC de 0,851 utilizando únicamente datos de ECG.

Los hallazgos, publicados en Cardiovascular Diabetology, muestran que el modelo también tuvo un buen rendimiento en una cohorte de validación externa de otra institución sin reentrenamiento, lo que demuestra una gran generalización. El análisis de IA explicable mostró que las mayores amplitudes de la onda R y la menor variabilidad de la frecuencia cardíaca fueron predictores clave, en consonancia con los efectos fisiológicos conocidos de la resistencia a la insulina y la disfunción autonómica.

Cabe destacar que DiaCardia mantuvo prácticamente la misma precisión predictiva al aplicarlo a datos de ECG de una sola derivación con muchas menos funciones. Esto sugiere que el modelo podría implementarse mediante dispositivos portátiles de pulsera o dispositivos de ECG domésticos, lo que permitiría un cribado a gran escala y de bajo coste. Este enfoque podría ampliar significativamente el acceso a la detección temprana de la prediabetes más allá del ámbito clínico.

Los investigadores planean validar aún más el modelo en poblaciones más amplias y explorar su integración en el mundo real con plataformas de ECG de consumo. De confirmarse, la tecnología podría facilitar la monitorización continua y no invasiva, así como intervenciones preventivas más tempranas.

“Este es el primer modelo de IA robusto, interpretable y generalizable capaz de identificar a personas con prediabetes mediante datos de ECG de 12 derivaciones o de una sola derivación”, afirmó el profesor asociado júnior Chikara Komiya, quien dirigió el equipo de investigación. “DiaCardia tiene el potencial de hacer que la detección de la prediabetes sea escalable, accesible y esté disponible en cualquier momento y lugar, sin necesidad de un análisis de sangre. Al promover la detección generalizada de la prediabetes, este trabajo contribuirá en última instancia a la prevención de la diabetes” .

Enlaces relacionados:
Instituto de Ciencias de Tokio