IA ayuda a predecir qué pacientes con insuficiencia cardíaca empeorarán en un año

A pesar de los avances en el tratamiento, predecir la evolución de la condición de un paciente sigue siendo un gran desafío. Ahora, investigadores han desarrollado un modelo de inteligencia artificial (IA) que puede anticipar el deterioro de la función cardíaca hasta con un año de antelación utilizando datos rutinarios de electrocardiograma (ECG).

El modelo de aprendizaje profundo denominado PULSE-HF, desarrollado por investigadores del MIT (Cambridge, MA, EE. UU.), Mass General Brigham (Boston, MA, EE. UU.) y la Facultad de Medicina de Harvard (Boston, MA, EE. UU.), está diseñado para predecir cambios en la función del ventrículo izquierdo en pacientes con insuficiencia cardíaca.

PULSE-HF analiza datos de electrocardiograma para predecir si la fracción de eyección del ventrículo izquierdo de un paciente disminuirá por debajo del 40 % en el próximo año. La fracción de eyección refleja la eficacia con la que el corazón bombea sangre, y los valores normales suelen oscilar entre el 50 % y el 70 %. Una disminución por debajo del 40 % indica insuficiencia cardíaca grave.

El modelo se entrenó y evaluó utilizando datos de tres cohortes de pacientes, incluidos Massachusetts General Hospital, Brigham and Women’s Hospital y la base de datos MIMIC-IV. En estos conjuntos de datos, el modelo demostró un sólido rendimiento predictivo, alcanzando valores de AUROC entre 0,87 y 0,91.

Cabe destacar que una versión del modelo basada en ECG de una sola derivación mostró un rendimiento comparable al de la versión estándar de 12 derivaciones, lo que sugiere su potencial uso en entornos clínicos más simples y accesibles.

A diferencia de las herramientas actuales basadas en ECG que se centran en detectar enfermedad presente, PULSE-HF está diseñado para anticipar el deterioro futuro. Esta capacidad predictiva podría ayudar a los médicos a identificar antes a los pacientes de alto riesgo y priorizarlos para un seguimiento más estrecho o intervención.

Los pacientes identificados como de menor riesgo podrían reducir la frecuencia de visitas hospitalarias y pruebas, aliviando la carga tanto para los pacientes como para los sistemas de salud. La posibilidad de utilizar datos de ECG de una sola derivación también abre la puerta a implementar esta herramienta en entornos con recursos limitados donde técnicas avanzadas, como la ecocardiografía, no están fácilmente disponibles.

Los investigadores planean evaluar el modelo en estudios clínicos prospectivos con pacientes reales para confirmar su valor predictivo en la práctica clínica habitual. Si se valida, PULSE-HF podría respaldar un manejo más personalizado de la insuficiencia cardíaca al permitir intervenciones más tempranas y una mejor asignación de recursos sanitarios, especialmente en contextos con acceso limitado a imágenes cardíacas especializadas.

Los pacientes identificados con menor riesgo podrían reducir la frecuencia de las visitas al hospital y las pruebas, aliviando así la carga tanto para los pacientes como para los sistemas sanitarios. La posibilidad de utilizar datos de ECG de una sola derivación también abre la posibilidad de implementar la herramienta en entornos con recursos limitados donde las técnicas de imagen avanzadas, como la ecocardiografía, no están fácilmente disponibles.

Los investigadores planean evaluar el modelo en estudios clínicos prospectivos con pacientes reales para confirmar su valor predictivo en la atención rutinaria. De validarse, PULSE-HF podría contribuir a un manejo más personalizado de la insuficiencia cardíaca, permitiendo una intervención más temprana y una mejor asignación de los recursos sanitarios, especialmente en entornos donde el acceso a técnicas de imagen cardíaca especializadas es limitado.

“La principal diferencia de [PULSE-HF] frente a otros métodos basados en ECG para insuficiencia cardíaca es que, en lugar de detectar, permite predecir”, afirmó Tiffany Yau, estudiante de doctorado del MIT en el laboratorio de Stultz y coautora principal del estudio sobre PULSE-HF.

Enlaces relacionados:
MIT
Mass General Brigham
Facultad de Medicina de Harvard