La IA entrenada con datos simples de frecuencia cardíaca puede predecir un episodio del trastorno del ritmo cardíaco más común, la fibrilación auricular, con 30 minutos de anticipación, según ha demostrado una nueva investigación. Con planes para incorporarlo a un teléfono inteligente para que pueda analizar datos de un reloj inteligente, el modelo actuaría como un sistema de alerta temprana.
El trastorno del ritmo cardíaco más común, la fibrilación auricular (FA), aumenta significativamente las visitas al departamento de emergencias y el riesgo de otras enfermedades como ataque y demencia. La afección ocurre cuando las cámaras superiores del corazón (aurículas) laten caóticamente, fuera de sincronización con las cámaras inferiores (ventrículos), produciendo un ritmo cardíaco irregular, a menudo muy rápido.
Revertir a un paciente de FA a un ritmo sinusal normal puede requerir intervenciones intensivas como la cardioversión, que administra una descarga de baja energía para «restablecer» el sistema de conducción del corazón. (Sí, es el mismo dispositivo utilizado en programas médicos, acompañado de un grito de «¡CLARA!»). Por lo tanto, poder detectar un episodio de FA antes de que ocurra permitiría intervenciones tempranas que podrían mejorar los resultados de los pacientes.
Investigadores del Centro de Biomedicina de Sistemas de Luxemburgo (LCSB) de la Universidad de Luxemburgo han publicado un estudio en el que entrenaron un modelo de aprendizaje profundo para predecir con precisión, con 30 minutos de antelación, cuándo una persona sufrirá FA.
Actualmente, la electrocardiografía (ECG) sólo puede detectar la FA justo antes de que ocurra, por lo que no puede considerarse un sistema de alerta temprana.
«Por el contrario, nuestro trabajo parte de este enfoque hacia un modelo de predicción más prospectivo», dijo Jorge Gonçalves, jefe del grupo de Control de Sistemas de la LCSB y autor correspondiente del estudio. «Utilizamos datos de frecuencia cardíaca para entrenar un modelo de aprendizaje profundo que puede reconocer diferentes fases (ritmo sinusal, fibrilación preauricular y fibrilación auricular) y calcular una ‘probabilidad de peligro’ de que el paciente tenga un episodio inminente».
El modelo, llamado WARN (Advertencia de fibRillatioN auricular), fue entrenado y probado en registros de ECG de 24 horas recopilados de 350 pacientes en el Hospital Tongji, China. Los cardiólogos clasificaron los datos como ritmo sinusal, preFA y FA. Para entrenar el modelo para que detecte los signos de pre-FA, los investigadores utilizaron la variabilidad en el intervalo entre ondas R (RRI) en un ECG como principal fuente de datos.
Tomando muestras de RRI de 30 segundos cada 15 segundos, el modelo de aprendizaje profundo calculó la probabilidad de FA inminente. En los datos de la prueba (70 pacientes) y dos conjuntos de validación externa (33 pacientes), WARN predijo el inicio de la FA con un promedio de 31 y 33 minutos de anticipación, con una precisión del 83 % y 73 %, respectivamente.
“[O]Nuestro modelo tiene un alto rendimiento utilizando solo intervalos R a R, básicamente solo datos de frecuencia cardíaca, que se pueden adquirir a través de registradores de señal de pulso asequibles y fáciles de usar, como los relojes inteligentes”, dijo Marino Gavidia, primer autor del estudio.
Los investigadores prevén que el dispositivo se utilice en teléfonos inteligentes para procesar los datos obtenidos de un reloj inteligente. El objetivo a largo plazo es que los pacientes puedan controlar continuamente su ritmo cardíaco y proporcionar una advertencia lo suficientemente temprana como para utilizar tratamientos como medicamentos antiarrítmicos orales para prevenir la aparición de FA. Y, dicen los investigadores, la tecnología se puede personalizar.
«En el futuro, nos centraremos en desarrollar modelos personalizados», dijo Goncalves. “El uso diario de un simple reloj inteligente proporciona constantemente nueva información sobre la dinámica cardíaca personal, lo que nos permite perfeccionar y volver a entrenar continuamente nuestro modelo para que ese paciente logre un rendimiento mejorado con advertencias incluso más tempranas. Con el tiempo, este enfoque podría incluso conducir a nuevos ensayos clínicos e intervenciones terapéuticas innovadoras”.
El estudio fue publicado en la revista Patrones.
Fuente: Universidad de Luxemburgo