La IA podría beneficiar la toma de decisiones en clínicos menos experimentados que evalúan ultrasonidos cardíacos

La enfermedad de las arterias coronarias (EAC) es una de las principales causas de muerte a nivel mundial, causando más de 9 millones de fallecimientos en todo el mundo y 63.000 anualmente solo en el Reino Unido. La ecocardiografía de estrés (EE), que es una ecografía del corazón tomada en reposo y durante el estrés, es crucial para evaluar el riesgo de ataques cardíacos y muerte en pacientes con EAC conocida o sospechada. La EE no solo se encuentra entre las pruebas de diagnóstico más utilizadas para la EAC, sino que también es el principal método de diagnóstico por imágenes disponible en todo el Reino Unido para este diagnóstico. Sin embargo, su precisión varía significativamente, del 60 % al 94 %, influenciada por la experiencia del médico y la calidad de las imágenes.

La integración de la inteligencia artificial (IA) en la atención médica presenta un potencial significativo para ayudar a los médicos a diagnosticar de manera más rápida y precisa, iniciando así los tratamientos antes. Ahora, un gran ensayo aleatorizado no encontró evidencia sustancial que sugiera que la asistencia de la IA en la toma de decisiones clínicas para las evaluaciones de ecografía cardíaca mejora las tasas de detección en comparación con las prácticas tradicionales para identificar a los pacientes con sospecha de enfermedad cardíaca que podrían beneficiarse de tratamientos invasivos. El estudio destacó que la IA podría mejorar las capacidades de toma de decisiones de los médicos menos experimentados y mostró ser prometedora en subgrupos clínicos particularmente complejos.

Desarrollado por investigadores de la Universidad de Oxford (Oxford, Reino Unido), EchoGo Pro automatiza la interpretación de imágenes de EE al integrar nuevas características de imagen con tecnología de IA. La eficacia de este software se probó a través del ensayo controlado aleatorio PROTEUS, en el que participaron pacientes de 18 años o más remitidos para EE en 20 hospitales del Reino Unido desde noviembre de 2021 hasta junio de 2023 para investigar una sospecha de EAC. El estudio involucró a 2.341 pacientes (edad promedio de 64 años; 45% mujeres; 20% con enfermedad cardíaca preexistente). Los pacientes fueron asignados aleatoriamente a la toma de decisiones clínicas estándar o a la toma de decisiones mejorada con IA, donde los médicos utilizaron un informe de análisis de imágenes generado por IA (EchoGo Pro) durante sus evaluaciones de imágenes para evaluar la probabilidad de EAC grave. El objetivo principal del estudio fue comparar la efectividad de la toma de decisiones estándar frente a la decisión clínica mejorada con IA en la dirección de los pacientes hacia angiografías coronarias invasivas y el monitoreo de eventos coronarios agudos en un período de seis meses. Para diciembre de 2023, 2.213 participantes (94,5%) habían completado el seguimiento de seis meses.

En total, 85 pacientes fueron remitidos para angiografía después de un EE. Entre aquellos que no fueron referidos, 41 sufrieron síndromes coronarios agudos (infartos no fatales) o muertes cardíacas dentro de los seis meses, lo que indica posibles errores de juicio en las decisiones de derivación. El análisis reveló que la toma de decisiones asistida por IA no demostró ser no inferior en comparación con la toma de decisiones clínicas tradicionales en la derivación adecuada de pacientes para angiografía coronaria. Entre los derivados, 27 de 36 en el grupo de control y 34 de 49 en el grupo de IA se consideraron derivaciones correctas. Con respecto a los pacientes que sufrieron eventos adversos a pesar de no ser remitidos para angiografía, hubo 22 en el grupo de control y 19 en el grupo de IA, aunque las diferencias no fueron estadísticamente significativas. Sin embargo, análisis adicionales indicaron que la IA podría mejorar la toma de decisiones entre clínicos con menos experiencia y en casos complejos donde la interpretación de imágenes es más difícil.

“Se ha demostrado que el desempeño de los clínicos en la interpretación de ecocardiogramas de estrés varía ampliamente según el nivel de experiencia del operador”, afirmó el autor principal, el Dr. Ross Upton, de la Universidad de Oxford. “Los resultados de este ensayo sugieren que la IA tiene el potencial de llevar a todos los operadores, independientemente de su experiencia, al mismo nivel de precisión. Si bien el ensayo PROTEUS no demostró diferencias significativas en todos los participantes, el diagnóstico por IA también puede beneficiar a subgrupos específicos de pacientes en los que se sabe que la toma de decisiones es más compleja”.

Enlaces relacionados:
Universidad de Oxford

Visitar la expo >

Digital X-Ray Detector Panel

Acuity G4

Digital Radiographic System

OMNERA 300M

NMUS & MSK Ultrasound

InVisus Pro

Ultra-Flat DR Detector

meX+1717SCC