La apnea obstructiva del sueño (AOS) es un trastorno del sueño muy prevalente, que se estima que afecta a 936 millones de adultos a nivel mundial. En la actualidad, representa un riesgo importante para la salud, vinculado a varias enfermedades crónicas, especialmente enfermedades cardiovasculares y mortalidad prematura. Sin embargo, a …
La apnea obstructiva del sueño (AOS) es un trastorno del sueño muy prevalente, que se estima que afecta a 936 millones de adultos a nivel mundial. En la actualidad, representa un riesgo importante para la salud, vinculado a varias enfermedades crónicas, especialmente enfermedades cardiovasculares y mortalidad prematura. Sin embargo, a pesar de los importantes efectos adversos para la salud y el impacto socioeconómico relacionado, la AOS sigue siendo en gran medida poco reconocida y, por lo tanto, poco tratada.
El diagnóstico, a menudo pasado por alto, deja a una gran proporción de pacientes sin diagnosticar, lo que genera la necesidad de herramientas de cribado de alto rendimiento. De ahí que investigadores de la Clínica Mayo en Rochester (EEUU) decidieran desarrollar una red neuronal profunda que utiliza los resultados de un electrocardiograma (ECG) de 12 derivaciones para detectar de forma rápida la AOS.
En concreto, tal como exponen en ‘JACC: Avances’, los autores buscaron desarrollar un algoritmo impulsado por aprendizaje automático para identificar la AOS a partir del electrocardiograma (ECG) de 12 derivaciones, una prueba clínica de rutina. Para ello, emplearon algoritmos de inteligencia artificial (IA) con el fin de revisar los resultados de ECG de 12 derivaciones de 11.299 pacientes que se sometieron a evaluaciones del sueño en Mayo Clinic.
«Dado que la AOS puede afectar al corazón, planteamos la hipótesis de que podríamos detectar la presencia de AOS utilizando algoritmos de inteligencia artificial para analizar el ECG estándar de 12 derivaciones», explicó el Dr. Virend Somers, cardiólogo y profesor de Medicina Cardiovascular en Mayo Clinic en Rochester. «El cribado de la AOS suele requerir cuestionarios que no se administran de forma rutinaria y/o pruebas nocturnas con registros de saturación de oxígeno y otras medidas. Disponer de una medida sencilla como el ECG para identificar a personas con alto riesgo de AOS requiere menos tiempo, trabajo y coste», agregó.
Este tipo de cribado basado en ECG, según los autores, aporta varias ventajas sobre estos otros métodos, según sus responsables. Al requerir únicamente la señal de ECG de 12 derivaciones para generar predicciones, no se ve afectado por posibles fuentes de error derivadas de la información clínica subjetiva o las mediciones físicas. Al estar completamente automatizado, no supone una carga adicional para los profesionales sanitarios ni para los pacientes. Esta herramienta de cribado puede implementarse en la práctica clínica, integrarse con el sistema de historiales médicos y alertar a los profesionales sanitarios sobre el riesgo de AOS durante las pruebas de ECG de rutina, lo que proporciona información útil.
La apnea obstructiva del sueño no se presenta con los mismos síntomas en mujeres y hombres, y la enfermedad se pasa por alto con mayor frecuencia en las mujeres. «Sin embargo, este ECG fue más preciso para identificar la AOS en mujeres que en hombres, a pesar de que las mujeres eran más jóvenes y presentaban una patología menos grave. Esto sugiere que la «huella» cardíaca de la AOS es más evidente en las mujeres que en los hombres», indicó el Dr. Somers.
Además de ofrecer un cribado inmediato y rentable de la apnea, este modelo de ECG con IA podría ayudar en la toma de decisiones y en el manejo de la atención al paciente. «»Necesitamos determinar si los pacientes con una señal fuerte de AOS en el ECG tienen más probabilidades de desarrollar una enfermedad cardiovascular significativa en el futuro. Este enfoque tiene el potencial de ayudar a identificar a los pacientes con riesgo de daño cardíaco y, posiblemente, a evaluar si un determinado tratamiento de la AOS puede reducir su riesgo cardiovascular», concluyó el Dr. Somers.
SEGUIR LEYENDO