Modelo de IA supera a los médicos en la identificación de pacientes con mayor riesgo de paro cardíaco

La miocardiopatía hipertrófica es una de las cardiopatías hereditarias más comunes y una de las principales causas de muerte súbita cardíaca en jóvenes y deportistas. Si bien muchos pacientes llevan una vida normal, algunos presentan un riesgo significativamente mayor de sufrir eventos cardíacos mortales.

Identificar a los pacientes de alto riesgo ha sido un desafío desde hace tiempo, ya que las guías clínicas actuales en Estados Unidos y Europa demuestran tener una precisión de tan solo el 50 %. Esto ha resultado en una protección insuficiente para individuos de alto riesgo y en la implantación innecesaria de desfibriladores en otros. Ahora, se ha desarrollado y probado un nuevo enfoque que puede identificar mejor a los pacientes de riesgo y reducir las intervenciones innecesarias con una precisión significativamente mayor.

Investigadores de la Universidad Johns Hopkins (Baltimore, MD, EUA) han desarrollado un modelo de inteligencia artificial basado en aprendizaje profundo denominado IA Multimodal para la Estratificación del Riesgo de Arritmia Ventricular (MAARS, por sus siglas en inglés). El sistema se diseñó para analizar una amplia gama de historiales médicos de pacientes en combinación con imágenes de resonancia magnética cardíaca con contraste.

A diferencia de los métodos tradicionales, MAARS puede interpretar patrones complejos de cicatrización (fibrosis) presentes en el corazón de pacientes con miocardiopatía hipertrófica, un factor conocido que aumenta el riesgo de muerte súbita cardíaca. Si bien los médicos han tenido dificultades para interpretar estos datos de imagen, el modelo de IA logró extraer y utilizar información predictiva oculta de las exploraciones.

De esta manera, el modelo no solo predice el riesgo del paciente, sino que también explica el razonamiento detrás de la evaluación, lo que permite a los médicos diseñar planes de atención personalizados. MAARS se basa en trabajos previos del mismo equipo que desarrolló un modelo de IA en 2022 para predecir el paro cardíaco en pacientes con infarto.

Los investigadores probaron el nuevo modelo con datos reales de pacientes tratados en el Hospital Johns Hopkins y el Sanger Heart & Vascular Institute. El estudio, publicado en Nature Cardiovascular Research, mostró que el modelo de IA logró una precisión del 89 % en general y del 93 % en pacientes de entre 40 y 60 años, el grupo demográfico de mayor riesgo. La herramienta superó significativamente las directrices clínicas actuales en todos los grupos demográficos.

Además de mejorar la predicción de supervivencia, el modelo ofrece transparencia en su proceso de toma de decisiones, una característica que mejora la confianza y la utilidad clínicas. El equipo ahora planea validar MAARS en poblaciones más grandes y adaptarlo para su uso con otras afecciones cardíacas, como la sarcoidosis cardíaca y la miocardiopatía arritmogénica del ventrículo derecho.

“Actualmente tenemos pacientes que mueren en la plenitud de su vida porque no están protegidos, y otros que viven con desfibriladores durante el resto de sus vidas sin obtener ningún beneficio”, afirmó la autora principal, Natalia Trayanova, investigadora especializada en el uso de IA en cardiología. “Tenemos la capacidad de predecir con gran precisión si un paciente tiene un riesgo muy alto de muerte súbita cardíaca o no”.

Enlaces relacionados:
Hospital Johns Hopkins e Instituto Cardíaco y Vascular Sanger

Visitar la expo >

Biopsy Software

Affirm® Contrast

MRI System

nanoScan MRI 3T/7T

Ultrasound-Guided Biopsy & Visualization Tools

Endoscopic Ultrasound (EUS) Guided Devices

Computed Tomography System

Aquilion ONE / INSIGHT Edition