Inteligencia artificial predice si alguien sufrirá un ataque cardíaco y cuándo

Un algoritmo creado para evaluar los patrones de cicatriz en el tejido cardíaco del paciente puede predecir arritmias potencialmente mortales con mayor precisión que los médicos.

Un nuevo enfoque basado en inteligencia artificial puede predecir si un paciente podría morir de un paro cardíaco y cuándo.

La tecnología, basada en imágenes sin procesar de los corazones enfermos y los antecedentes de los pacientes, mejora significativamente las predicciones de los médicos y revolucionará la toma de decisiones clínicas y aumentará la supervivencia de las arritmias cardíacas repentinas y letales, una de las afecciones médicas más mortíferas y desconcertantes.

El trabajo es dirigido por investigadores de la Universidad Johns Hopkins.

“La muerte cardíaca súbita causada por arritmia representa hasta el 20% de todas las muertes en todo el mundo y sabemos poco sobre por qué sucede o cómo saber quién está en riesgo“, dijo la autora principal Natalia Trayanova, profesora de ingeniería biomédica y medicina.

“Hay pacientes que pueden tener un bajo riesgo de muerte cardíaca súbita que reciben desfibriladores que quizás no necesiten y luego hay pacientes de alto riesgo que no reciben el tratamiento que necesitan y podrían morir en la flor de su vida.

Lo que nuestro algoritmo puede hacer es determinar quién está en riesgo de muerte cardíaca y cuándo ocurrirá, lo que permite a los médicos decidir exactamente qué se debe hacer“.

El equipo es el primero en utilizar redes neuronales para crear una evaluación de supervivencia personalizada para cada paciente con enfermedad cardíaca.

Estas medidas de riesgo brindan con alta precisión la posibilidad de una muerte cardíaca súbita durante 10 años y cuándo es más probable que suceda.

La tecnología de aprendizaje profundo se llama Estudio de supervivencia del riesgo de arritmia cardíaca, o SSCAR.

El nombre alude a la cicatrización cardíaca causada por una enfermedad cardíaca que a menudo resulta en arritmias letales y es la clave de las predicciones del algoritmo.

El equipo usó imágenes cardíacas mejoradas con contraste que visualizan la distribución de cicatrices de cientos de pacientes reales en el Hospital Johns Hopkins con cicatrices cardíacas para entrenar un algoritmo para detectar patrones y relaciones que no son visibles a simple vista.

El análisis clínico actual de imágenes cardíacas extrae solo características simples de la cicatriz, como el volumen y la masa, lo que infrautiliza gravemente lo que se demuestra en este trabajo como datos críticos.

“Las imágenes contienen información crítica a la que los médicos no han podido acceder“, dijo el primer autor Dan Popescu, exestudiante de doctorado de Johns Hopkins.

“Esta cicatrización se puede distribuir de diferentes maneras y dice algo sobre las posibilidades de supervivencia de un paciente.

Hay información escondida en ella”.

El equipo entrenó una segunda red neuronal para aprender de 10 años de datos clínicos estándar de pacientes, 22 factores como la edad, el peso, la raza y el uso de medicamentos recetados de los pacientes.

Las predicciones de los algoritmos no solo fueron significativamente más precisas en cada medida que los médicos, sino que se validaron en pruebas con una cohorte de pacientes independientes de 60 centros de salud en los Estados Unidos, con diferentes antecedentes cardíacos y diferentes datos de imágenes, lo que sugiere que se podría adoptar la plataforma en cualquier sitio.

“Esto tiene el potencial de dar forma significativa a la toma de decisiones clínicas con respecto al riesgo de arritmia y representa un paso esencial para llevar el pronóstico de la trayectoria del paciente a la era de la inteligencia artificial“, dijo Trayanova, codirector de Alliance for Cardiovascular Diagnostic and Treatment Innovation.

“Representa la tendencia de fusionar la inteligencia artificial, la ingeniería y la medicina como el futuro de la atención médica“.

El equipo ahora está trabajando para construir algoritmos para detectar otras enfermedades cardíacas.

Según Trayanova, el concepto de aprendizaje profundo podría desarrollarse para otros campos de la medicina que se basan en el diagnóstico visual.

Fuente: JHU