Corazones sintéticos generados por IA ayudan en el tratamiento de la fibrilación auricular

La fibrilación auricular (FA) es un trastorno común del ritmo cardíaco, a menudo asociado con el desarrollo de fibrosis, que consiste en la formación de tejido cicatricial en el corazón. Esta fibrosis suele surgir debido al envejecimiento, el estrés prolongado o la propia condición de FA. Las zonas de tejido fibroso y rígido pueden interferir con el sistema eléctrico del corazón, lo que provoca los latidos irregulares característicos de esta afección.

Actualmente, el patrón y la distribución de esta cicatrización se evalúan mediante resonancias magnéticas (RM) especializadas, conocidas como RMC-RTG. La extensión y la ubicación de la fibrosis son factores críticos que influyen en la eficacia de los tratamientos para la FA. Un tratamiento común para la FA es la ablación, un procedimiento en el que los médicos que los médicos crean pequeñas cicatrices controladas para bloquear las señales eléctricas anómalas. Sin embargo, las tasas de éxito de la ablación varían, y predecir el enfoque más eficaz para cada paciente sigue siendo un desafío significativo. A pesar de las posibilidades de la inteligencia artificial (IA) para predecir los resultados del tratamiento, su avance ha sido limitado debido a la escasez de datos de imágenes de pacientes con alta calidad.

Investigadores de la Universidad Queen Mary de Londres (QMUL, Londres, Reino Unido) han desarrollado una herramienta de IA diseñada para generar modelos sintéticos, pero médicamente precisos, de tejido cardíaco fibrótico. Esta innovación podría ayudar en la planificación del tratamiento para pacientes con FA. El estudio, publicado en Frontiers in Cardiovascular Medicine, tiene el potencial de ofrecer una atención más personalizada para los pacientes con FA. Utilizando un avanzado modelo de difusión, el equipo de investigación creó distribuciones sintéticas de fibrosis que reflejaban estrechamente los datos reales de pacientes. Al aplicar estos patrones generados por IA a modelos tridimensionales del corazón y probar diferentes técnicas de ablación, las predicciones obtenidas resultaron casi tan precisas como las basadas en datos reales de pacientes.

Una de las principales ventajas de este enfoque es que garantiza la privacidad del paciente y permite a los investigadores explorar una gama más amplia de escenarios cardíacos que los métodos tradicionales. Los hallazgos resaltan el papel creciente de la IA como herramienta de apoyo en entornos clínicos, más que como entidad decisora. Dado que la FA afecta a millones de personas en todo el mundo y que los procedimientos de ablación fracasan en aproximadamente la mitad de los casos, esta tecnología podría reducir significativamente la necesidad de repetir intervenciones. Además, el método de IA aborda dos importantes desafíos en la atención médica: la disponibilidad limitada de datos de los pacientes y la necesidad ética de proteger la información médica sensible.

“Estamos muy entusiasmados con esta investigación, ya que aborda el desafío de la escasez de datos clínicos para los modelos de gemelos digitales cardíacos”, afirmó la Dra. Caroline Roney de QMUL, autora principal del estudio. “Nuestro avance clave permite realizar ensayos in silico a gran escala y modelar pacientes específicos para crear tratamientos más personalizados para pacientes con fibrilación auricular”.

“No se trata de sustituir el criterio médico”, añadió el Dr. Alexander Zolotarev, primer autor de la investigación, de QMUL. “Se trata de proporcionar a los profesionales clínicos un simulador sofisticado que les permita probar diferentes enfoques de tratamiento en un modelo digital de la estructura cardíaca única de cada paciente antes de realizar el procedimiento real”.

Visitar la expo >

New

High-Precision QA Tool

DEXA Phantom

Ultrasound-Guided Biopsy & Visualization Tools

Endoscopic Ultrasound (EUS) Guided Devices

New

Ultrasound Needle Guidance System

SonoSite L25

Ultrasonic Pocket Doppler

SD1