IA detecta marcador oculto en ECG de muerte súbita cardíaca

Identificar quién tiene alto riesgo sigue siendo difícil, lo que genera oportunidades perdidas para implantar desfibriladores y procedimientos innecesarios. La carga es significativa, con más de 300.000 muertes anuales en Estados Unidos. Para ayudar a abordar este desafío, investigadores desarrollaron un enfoque de inteligencia artificial que detecta una señal electrocardiográfica previamente no reconocida asociada con la muerte súbita cardíaca.

Desarrollado en la Universidad de California (Berkeley, CA, EUA), el modelo de aprendizaje profundo analiza trazados estándar de electrocardiograma (ECG) para descubrir patrones de ondas vinculados con la muerte súbita cardíaca. El sistema detecta un biomarcador de ECG previamente no reconocido y estratifica el riesgo directamente a partir de imágenes clínicas ampliamente disponibles. Está diseñado para respaldar decisiones sobre desfibriladores cardioversores implantables al identificar pacientes que parecen de bajo riesgo según los criterios actuales.

Los investigadores entrenaron el modelo con más de 440.000 ECG de Suecia emparejados con certificados de defunción. El modelo fue expuesto a trazados de personas sanas, pacientes en riesgo y personas que posteriormente sufrieron muerte cardíaca hasta que aprendió patrones asociados con eventos posteriores. Durante varios años, el equipo luego probó el enfoque en miles de expedientes adicionales de pacientes de Estados Unidos y Taiwán.

El rendimiento superó el cribado actual que se basa en cuánto sangre expulsa el corazón con cada latido. Las pruebas estándar identifican un grupo de alto riesgo con una tasa anual de muerte súbita cardíaca del 4.6%. El sistema de IA aísla un grupo de alto riesgo con una tasa anual del 7%, captando miles de pacientes más cada año, muchos de los cuales parecen de bajo riesgo según los estándares actuales. Los resultados del modelo se derivan de imágenes de ECG que ya son de rutina en los hospitales.

Según el informe, los hallazgos se publicaron en Nature el 24 de junio de 2025. El esfuerzo de datos abarcó aproximadamente una década y se apoyó en programas de UC Berkeley, incluido el programa conjunto UCSF–UC Berkeley Computational Precision Health. Los próximos pasos incluyen desplegar el algoritmo en bases de datos hospitalarias de ECG en Sweden, Taiwan y EE. UU., notificar a los pacientes marcados y ofrecer monitoreo continuo opcional con un parche portátil que podría informar decisiones posteriores, incluida la consideración de un desfibrilador interno.

“Una cosa que hace que el problema sea muy trágico, pero también muy adecuado para la IA, es que tenemos la cura para este problema. Si supieras que eres una de las personas que va a morir repentinamente, irías a un cardiólogo y te implantarían un desfibrilador. El problema es que los médicos no pueden determinar quién lo necesita antes de que sea demasiado tarde”, dijo Ziad Obermeyer, profesor asociado en la School of Public Health de UC Berkeley y autor principal del estudio.

"En una fracción de esas personas, podríamos haber prevenido esas muertes si simplemente lo hubiéramos sabido a tiempo. Se están perdiendo muchas vidas por personas que mueren súbitamente de muerte cardíaca súbita y que podrían prevenirse si solo tuviéramos mejores herramientas de IA para encontrar estas cosas", añadió Obermeyer.

Enlaces relacionados
UC Berkeley