El modelo es mucho mejor que los médicos a la hora de identificar a los pacientes con mayor riesgo
Un nuevo modelo de IA es mucho mejor que los médicos a la hora de identificar pacientes con probabilidad de sufrir un paro cardíaco.
El eje central es la capacidad del sistema de analizar imágenes cardíacas poco utilizadas durante mucho tiempo, junto con un espectro completo de registros médicos, para revelar información previamente oculta sobre la salud cardíaca de un paciente.
Título de la imagen:Resonancia magnética cardíaca con contraste de un paciente con miocardiopatía hipertrófica, considerado por la MAARS con alto riesgo de muerte súbita. Cada corte de imagen del corazón varía de oscuro (tejido cardíaco normal) a brillante (tejido fibrótico y anormal). La IA marca las áreas rojas con mayor fibrosis.
Imagen crédito: Universidad Johns Hopkins
El trabajo financiado con fondos federales, dirigido por investigadores de la Universidad Johns Hopkins, podría salvar muchas vidas y también evitar que muchas personas tengan que pasar por intervenciones médicas innecesarias, incluida la implantación de desfibriladores innecesarios.
«Actualmente, tenemos pacientes que mueren en la flor de la vida por falta de protección, y otros que soportan desfibriladores el resto de su vida sin obtener ningún beneficio», afirmó la autora principal, Natalia Trayanova , investigadora especializada en el uso de inteligencia artificial en cardiología. «Podemos predecir con gran precisión si un paciente tiene un riesgo muy alto de muerte súbita cardíaca o no».
Los resultados se publican hoy en Nature Cardiovascular Research .
La miocardiopatía hipertrófica es una de las enfermedades cardíacas hereditarias más comunes, que afecta a una de cada 200 a 500 personas en todo el mundo y es una de las principales causas de muerte cardíaca súbita en jóvenes y deportistas.
Muchos pacientes con miocardiopatía hipertrófica vivirán una vida normal, pero un porcentaje presenta un riesgo significativamente mayor de muerte súbita cardíaca. Ha sido casi imposible para los médicos determinar quiénes son esos pacientes.
Las directrices clínicas actuales que utilizan los médicos en Estados Unidos y Europa para identificar a los pacientes con mayor riesgo de sufrir ataques cardíacos fatales tienen alrededor de un 50% de posibilidades de identificar a los pacientes correctos, «no mucho mejor que tirar los dados», dice Trayanova.
El modelo del equipo superó significativamente las pautas clínicas en todos los grupos demográficos.
La inteligencia artificial multimodal para la estratificación del riesgo de arritmia ventricular (MAARS) predice el riesgo de muerte cardíaca súbita de cada paciente analizando una variedad de datos y registros médicos y, por primera vez, explorando toda la información contenida en las imágenes de resonancia magnética con contraste del corazón del paciente.
Las personas con miocardiopatía hipertrófica desarrollan fibrosis, o cicatrización, en el corazón, y es esta cicatrización la que aumenta el riesgo de muerte súbita cardíaca. Si bien los médicos no han podido interpretar las imágenes de resonancia magnética sin procesar, el modelo de IA se centró en los patrones críticos de cicatrización.
«No se ha utilizado el aprendizaje profundo en esas imágenes», dijo Trayanova. «Podemos extraer esta información oculta en las imágenes que normalmente no se tiene en cuenta».»Tenemos la capacidad de predecir con gran precisión si un paciente tiene un riesgo muy alto de muerte cardíaca súbita o no».Natalia TrayanovaProfesor de ingeniería biomédica y medicina
El equipo probó el modelo con pacientes reales tratados con las pautas clínicas tradicionales en el Hospital Johns Hopkins y el Instituto Cardíaco y Vascular Sanger en Carolina del Norte.
En comparación con las pautas clínicas, que fueron precisas aproximadamente la mitad de las veces, el modelo de IA tuvo una precisión del 89 % en todos los pacientes y, fundamentalmente, del 93 % en personas de entre 40 y 60 años, la población entre los pacientes con miocardiopatía hipertrófica con mayor riesgo de muerte cardíaca súbita.
El modelo de IA también puede describir por qué los pacientes son de alto riesgo para que los médicos puedan adaptar un plan médico a sus necesidades específicas.
«Nuestro estudio demuestra que el modelo de IA mejora significativamente nuestra capacidad de predecir quiénes corren mayor riesgo en comparación con nuestros algoritmos actuales y, por lo tanto, tiene el poder de transformar la atención clínica», afirma el coautor Jonathan Chrispin , cardiólogo de Johns Hopkins.
En 2022, el equipo de Trayanova creó un modelo de IA multimodal diferente que ofrecía una evaluación de supervivencia personalizada para pacientes con infartos y predecía si alguien moriría de un paro cardíaco y cuándo.
El equipo planea probar más el nuevo modelo en más pacientes y ampliar el nuevo algoritmo para utilizarlo con otros tipos de enfermedades cardíacas, incluida la sarcoidosis cardíaca y la miocardiopatía arritmogénica del ventrículo derecho.
Los autores incluyen a Changxin Lai, Minglang Yin, Eugene G. Kholmovski, Dan M. Popescu, Edem Binka, Stefan L. Zimmerman, Allison G. Hays, todos de Johns Hopkins; Dai-Yin Lu y M. Roselle Abraham del Centro de Excelencia en Miocardiopatía Hipertrófica de la Universidad de California en San Francisco; y Erica Scherer y Dermot M. Phelan de Atrium Health.
El trabajo fue apoyado por las subvenciones R01HL166759, R01HL174440, R35HL1431598 de los Institutos Nacionales de Salud y una subvención de la Fundación Leducq.
Universidad Johns Hopkins News. Traducido al español
