Cada año, las arritmias cardíacas causan cientos de miles de muertes súbitas, en cualquier caso, este tipo de fallecimiento es, por definición, complejo, cuando los pacientes fallecen repentinamente fuera del hospital, es más difícil determinar la causa, y si bien los desfibriladores que aplican una descarga eléctrica al corazón pueden salvar vidas …
Cada año, las arritmias cardíacas causan cientos de miles de muertes súbitas, en cualquier caso, este tipo de fallecimiento es, por definición, complejo, cuando los pacientes fallecen repentinamente fuera del hospital, es más difícil determinar la causa, y si bien los desfibriladores que aplican una descarga eléctrica al corazón pueden salvar vidas siguen siendo una tarea compleja y arriesgada.
El panorama podría cambiar gracias a una nueva herramienta impulsada por investigadores de la Universidad de Californa en Berkeley (EEUU) han descubierto una señal previamente desconocida en los electrocardiogramas que puede detectar mejor a los pacientes de alto riesgo antes de que su corazón se detenga.
Para su trabajo utilizaron más de 440.000 electrocardiogramas de Suecia, junto con información de certificados de defunción, los investigadores entrenaron un modelo de inteligencia artificial para analizar los picos y las ondas producidas por las corrientes eléctricas del corazón. Alimentaron el modelo con imágenes de personas sanas, pacientes en riesgo y personas que posteriormente sufrieron muerte cardíaca, hasta que reconoció patrones de ondas en personas que luego sufrieron muerte súbita cardíaca. Durante varios años, los investigadores probaron el modelo con miles de expedientes de pacientes adicionales, tanto de Estados Unidos como de Taiwán.
Los autores del trabajo, publicado en ‘Nature’, pudieron comprobar que el algoritmo interpretaba mejor los electrocardiogramas de los pacientes que las pruebas clínicas estándar, que miden la cantidad de sangre que el corazón expulsa con cada latido. Estas pruebas identifican un grupo de alto riesgo con una tasa anual de muerte súbita cardíaca del 4,6 %. El sistema de IA aísla un grupo de alto riesgo con una tasa anual del 7 %, una diferencia de miles de pacientes al año, la gran mayoría de los cuales parecen de bajo riesgo según los estándares actuales.
Obermeyer sitúa la muerte súbita cardíaca entre los misterios médicos más persistentes. Debido a la repentina muerte, es difícil saber qué ocurría en el interior del corazón antes de que dejara de funcionar. Las autopsias pueden revelar algunos detalles sobre su estructura, como vasos sanguíneos obstruidos o tejidos endurecidos. Sin embargo, para Ziad Obermeyer, profesor asociado de la Escuela de Salud Pública de la UC Berkeley y autor principal del estudio, además de médico de urgencias que investiga en la intersección del aprendizaje automático, la medicina y las políticas sanitarias, el funcionamiento real antes del fallecimiento sigue siendo una incógnita.
«Tomar decisiones médicas es realmente difícil, y creo que por eso la IA me resulta tan útil», afirmó el prof. Obermeyer. «No solo podemos tomar mejores decisiones, sino también empezar a comprender qué les ocurre realmente a estos pacientes antes de que su corazón se detenga».
Para construir y probar el modelo de IA, Obermeyer y su equipo utilizaron tres fuentes de datos distintas. En primer lugar, el equipo de Obermeyer utilizó seis años de escaneos del sistema de salud unificado de Suecia para entrenar el modelo e identificar patrones de ondas potencialmente significativos, que se compararon con certificados de defunción. Posteriormente, validaron el algoritmo con dos años de electrocardiogramas anonimizados de un sistema hospitalario en San Diego, así como con un conjunto de datos independiente de Taipéi.
«Una buena IA comienza con buenos datos», afirmó Obermeyer, quien también forma parte del programa conjunto de Medicina de Precisión Computacional de la UCSF y la UC Berkeley . «Desafortunadamente, acceder a datos como los que utilizamos para este estudio es increíblemente difícil. Esta es una de las principales razones por las que hoy en día se utiliza tan poca IA clínica».
Según el prof. Obermeyer, recopilar todos los datos para el estudio actual llevó aproximadamente una década e incluyó el trabajo de dos grupos que él cofundó —Dandelion Health y Nightingale Open Science— que se encuentran en la intersección de la IA y la investigación médica.
«Es uno de los grandes lujos de estar en Berkeley», dijo Obermeyer. «Puedes dedicarte a proyectos que se desarrollan lentamente y que, con suerte, te reportarán grandes beneficios cuando lleguen a buen término».
La siguiente fase del proyecto ya ha comenzado. Estos expertos colaboran con sistemas de salud en Suecia, Taiwán y Estados Unidos para implementar el algoritmo en las bases de datos de electrocardiogramas de los hospitales.
Para los electrocardiogramas que el algoritmo identifique como de alto riesgo, los médicos notificarán a los pacientes y les ofrecerán la opción de usar un parche que monitoriza continuamente su corazón. Estos datos podrían ayudar a los investigadores a comprender mejor el mecanismo fisiológico del corazón que genera señales que aparentemente se corresponden con un riesgo elevado. Incluso podría conducir a la implantación de un desfibrilador interno que podría salvar vidas.
El prof. Obermeyer se mostró optimista sobre el papel que desempeñará la IA en el avance de la ciencia médica. «Surgirá una nueva forma de hacer ciencia a partir de estas herramientas», concluyó el experto.