Modelo de IA ayuda a diagnosticar enfermedades cardíacas a menudo no detectadas mediante un ECG

A diferencia de las obstrucciones en las grandes arterias coronarias, esta afección afecta a vasos sanguíneos muy pequeños y requiere técnicas de imagen avanzadas para su diagnóstico, que suelen no estar disponibles fuera de centros especializados. Nuevas investigaciones muestran ahora que la inteligencia artificial puede identificar esta condición en cuestión de segundos utilizando un electrocardiograma (ECG) de rutina.

Investigadores de la Universidad de Michigan (Ann Arbor, MI, EUA) entrenaron un modelo de IA para detectar disfunción microvascular coronaria mediante formas de onda de ECG estándar, evitando así la necesidad de imágenes costosas. El enfoque aprovecha una arquitectura de aprendizaje profundo conocida como transformador de visión, combinada con estrategias de entrenamiento avanzadas.

El equipo utilizó aprendizaje autosupervisado para superar la limitada disponibilidad de datos de imagen de referencia. El modelo se entrenó inicialmente con más de 800.000 formas de onda de ECG sin etiquetar para aprender patrones eléctricos cardíacos fundamentales, y posteriormente se afinó con un conjunto de datos más pequeño vinculado a imágenes de perfusión miocárdica PET. Se evaluó mediante 12 tareas de predicción demográfica y clínica, incluyendo la reserva de flujo miocárdico, el marcador de referencia para la disfunción microvascular coronaria.

El modelo superó de forma significativa a las herramientas de IA basadas en ECG existentes en casi todas las tareas diagnósticas. El modelo predijo con precisión la reserva de flujo miocárdico y la disfunción microvascular coronaria utilizando ECG en reposo, con solo mejoras mínimas de rendimiento al añadir ECG de esfuerzo. Los hallazgos, publicados en NEJM AI, muestran que el modelo también mejoró la precisión de la predicción de varias afecciones cardíacas comunes, demostrando un rendimiento sólido en múltiples conjuntos de datos.

Este enfoque podría permitir la detección rápida y económica de la disfunción microvascular coronaria en servicios de urgencias y hospitales comunitarios. Los pacientes con dolor torácico y angiografías normales podrían identificarse con mayor antelación y derivarse a pruebas avanzadas cuando sea necesario. Los investigadores creen que esta estrategia amplía el poder diagnóstico del ECG más allá del análisis del ritmo cardíaco, abarcando la enfermedad microvascular compleja.

“Las personas que acuden a urgencias por dolor torácico podrían tener disfunción microvascular coronaria, pero su angiografía resultará 'sin anomalías'”, dijo el Dr. Sascha N. Goonewardena, coautor del estudio. “En hospitales con recursos limitados o en centros no especializados, utilizar nuestro modelo de IA aplicado al ECG para predecir la reserva de flujo miocárdico y la disfunción microvascular coronaria será una forma sencilla, rentable y no invasiva de identificar cuándo un paciente se beneficiaría de pruebas avanzadas para una afección grave”.

Enlaces relacionados:
Universidad de Michigan