Nuevo estudio demuestra la detección asistida por IA de la fracción de eyección reducida

Dado que sus síntomas pueden ser sutiles y no específicos, muchos casos pasan desapercibidos hasta que se produce un deterioro considerable. Un marcador común para identificar la insuficiencia cardíaca con fracción de eyección reducida (ICFEr) es la fracción de eyección (FE), que mide la capacidad del corazón para bombear sangre de forma eficaz. Ahora, un nuevo estudio ha explorado el potencial de una plataforma de inteligencia artificial (IA) para ayudar a detectar la FE reducida, un indicador crítico de insuficiencia cardíaca.

El estudio revisado por pares, publicado en JACC Advances, evaluó la eficacia del modelo de IA aprobado por la FDA de Eko Health (San Francisco, CA, EUA) en el análisis de los sonidos cardíacos y los datos del electrocardiograma (ECG) de una sola derivación obtenidos utilizando un estetoscopio digital para identificar a los pacientes con una FE significativamente reducida (FE ≤ 40%). El estudio involucró a 2960 adultos de cuatro redes de atención médica de EUA que se sometieron a una ecocardiografía. Los datos se capturaron utilizando el estetoscopio digital habilitado para ECG de Eko, lo que garantiza que los ecocardiogramas se realizaron dentro de una semana de la recopilación de datos. Luego, el modelo de IA se comparó con las mediciones ecocardiográficas de FE, categorizando a los pacientes en dos grupos: FE normal / levemente reducida (> 40%) y FE moderada / severamente reducida (≤ 40%). El modelo de IA demostró una fuerte capacidad predictiva, con un AUROC de 0,85, y logró una sensibilidad y especificidad del 77,5% y 78,3%, respectivamente.

Entre los pacientes que la IA detectó como potencialmente con una FE baja pero que mostraban una FE >40% en sus ecocardiogramas, el 25% tenía una FE entre el 41 y el 49%, y el 63% presentaba anomalías de conducción o ritmo. Estos hallazgos sugieren que el modelo de IA también podría desempeñar un papel en la identificación de pacientes con riesgo cardiovascular. El rendimiento del modelo de IA fue consistente en varios grupos demográficos y clínicos, lo que destaca su amplia aplicabilidad en entornos clínicos. El modelo de IA es especialmente valioso para pacientes que presentan síntomas no específicos, como disnea inexplicable, ya que puede acelerar el acceso a pruebas de diagnóstico y tratamiento. Existen terapias efectivas para la ICFEr y se ha demostrado que mejoran los resultados del paciente cuando se inician de forma temprana. Al utilizar el análisis de ECG y sonido cardíaco impulsado por IA, los médicos pueden obtener más información para respaldar las derivaciones oportunas a especialistas, evaluaciones de diagnóstico más integrales y un mejor manejo de la enfermedad.

"Los hallazgos del estudio resaltan el potencial de la plataforma de Eko para complementar los diagnósticos tradicionales y abordar el desafío crítico de la insuficiencia cardíaca subdiagnosticada", afirmó Connor Landgraf, director ejecutivo de Eko Health. "Al integrar conocimientos impulsados por IA en los exámenes físicos de rutina, podemos ayudar a los médicos a identificar a los pacientes en riesgo más temprano, especialmente en la atención primaria y en entornos con recursos limitados.".

Enlaces relacionados:
Eko Health