Tecnología de IA para la evaluación automatizada de angiogramas coronarios reduce pruebas invasivas

La enfermedad coronaria es la principal causa de muerte en adultos en todo el mundo. La angiografía coronaria es un procedimiento de diagnóstico estándar que influye prácticamente en todas las opciones clínicas relevantes, desde la prescripción de medicamentos hasta la cirugía de derivación coronaria. En muchos casos, la cuantificación de la fracción de eyección del ventrículo izquierdo (FEVI) en el momento de la angiografía coronaria es esencial para mejorar las decisiones clínicas y los planes de tratamiento, especialmente cuando la angiografía se realiza debido a síndromes coronarios agudos (SCA) potencialmente fatales. Como el ventrículo izquierdo es la parte principal del corazón que bombea, la evaluación de la fracción de eyección en esta cámara ofrece detalles importantes sobre el porcentaje de sangre que sale del corazón con cada contracción. Actualmente, se requiere un procedimiento extra-invasivo, conocido como ventriculografía izquierda, para medir la FEVI durante la angiografía, que consiste en insertar un catéter en el ventrículo izquierdo e inyectar un medio de contraste. Este procedimiento conlleva riesgos adicionales y aumenta la exposición al contraste. Ahora, los investigadores han desarrollado una evaluación automatizada de los angiogramas coronarios para reducir el riesgo y minimizar la necesidad de pruebas invasivas.

En un nuevo estudio, investigadores de la Universidad de California en San Francisco (San Francisco, CA, EUA) y el Instituto del Corazón de Montreal (Montreal, Canadá) se propusieron examinar si las redes neuronales profundas (DNN, por sus siglas en inglés), un tipo de algoritmo de IA, podrían predecir la función de bomba del corazón a partir de videos de angiogramas estándar. Crearon y probaron un DNN llamado CathEF para estimar la FEVI a partir de angiogramas coronarios del lado izquierdo del corazón. El equipo realizó un estudio transversal de 4.042 angiogramas de adultos combinados con ecocardiogramas transtorácicos (ETT) correspondientes de 3.679 pacientes de UCSF. Entrenaron una red neuronal basada en video para estimar la FEVI reducida (igual o inferior al 40 %) y para predecir el porcentaje de FEVI a partir de videos de angiograma estándar de la arteria coronaria izquierda.

Los hallazgos indicaron que CathEF predijo con precisión la FEVI, mostrando fuertes correlaciones con las mediciones ecocardiográficas de FEVI, que es el método clínico no invasivo tradicional. El modelo también fue validado externamente en angiogramas del mundo real. Se desempeñó bien en diversas condiciones clínicas y demográficas de pacientes, incluidos los síndromes coronarios agudos y diversos grados de función renal, grupos de pacientes que pueden ser menos adecuados para el procedimiento de ventriculograma izquierdo estándar. Los investigadores ahora están realizando más investigaciones para probar este algoritmo en el punto de atención y evaluar su influencia en el flujo de trabajo clínico en pacientes que sufren ataques cardíacos. Para ello, han iniciado un estudio de validación prospectivo multicéntrico en pacientes con SCA para comparar el desempeño de CathEF y el ventriculograma izquierdo con ETT realizados dentro de los 7 días posteriores al SCA.

"Este trabajo demuestra que la tecnología de IA tiene el potencial de reducir la necesidad de pruebas invasivas y mejorar las capacidades de diagnóstico de los cardiólogos, mejorando en última instancia los resultados y la calidad de vida de los pacientes", dijo el autor principal y cardiólogo de la UCSF, Geoff Tison, MD, MPH.

Enlaces relacionados:
Universidad de California en San Francisco  
Instituto del Corazón de Montreal

Visitar la expo >

Ultrasound Needle Guidance System

SonoSite L25

Adjustable Mobile Barrier

M-458

Digital Color Doppler Ultrasound System

MS22Plus

Digital X-Ray Detector Panel

Acuity G4