Identificación de la ubicación de una vía accesoria mediante inteligencia artificial

Investigadores austríacos pertenecientes a la Clínica Universitaria de Medicina Interna III (Cardiología y Angiología), de la Universidad Médica de Innsbruck, del Instituto Estatal de Atención Integrada y del Centro de Salud y Recursos Biológicos, Instituto Austriaco de Tecnología, de Viena, Austria, publicaron en la edición del 26 de septiembre de 2021 del Journal of Clinical Medicine los resultados de un estudio que pretendió realizar la identificación de la ubicación de una vía accesoria en los síndromes de preexcitación mediante un algoritmo basado en inteligencia artificial*.

Señalan en la introducción de su trabajo que la ablación con catéter es un método de tratamiento establecido para las vías accesorias (AP por sus siglas en inglés) en el síndrome de Wolff-Parkinson-White (WPW).

La localización anatómica de la AP antes de la ablación con catéter es importante para la planificación previa al procedimiento con respecto al sitio de acceso del catéter, así como para evaluar el riesgo asociado con la ablación invasiva con catéter (especialmente si la AP se localiza muy cerca del nódulo auriculoventricular) .

Actualmente, el enfoque estándar para la localización del AP es la interpretación del médico del ECG de 12 derivaciones.

Sin embargo, este método tiene varias limitaciones y la localización puede diferir entre los médicos. Por lo tanto, el estándar de oro para la localización de la AP en pacientes con síndrome de WPW es el estudio electrofisiológico invasivo (EPS), que tiene sus propios riesgos inherentes.

Con el tiempo, se han propuesto muchos algoritmos de ECG de superficie para la localización anatómica del PA con diversos grados de precisión.

Se han descrito previamente tres algoritmos diferentes: Arruda et al., Milstein et al. y Fitzpatrick et al. para determinar la localización del PA según el patrón de preexcitación durante el ritmo sinusal en el ECG de superficie estándar.

Sin embargo, estos algoritmos son complicados, consumen mucho tiempo y solo diferencian un número limitado de posibles ubicaciones anatómicas.

Por ejemplo, el algoritmo de Arruda diferencia entre 10 ubicaciones, el algoritmo de Milstein diferencia entre 5 ubicaciones y el algoritmo de Fitzpatrick diferencia entre 8 ubicaciones.

Por lo tanto, una evaluación precisa, rápida y no invasiva de la ubicación AP correcta sería de gran valor clínico para planificar la estrategia de tratamiento óptima para el paciente individual.

Los autores, informaron sobre un algoritmo basado en inteligencia artificial (locAP AI) que utilizó redes neuronales, que diseñaron y validaron para mejorar y simplificar la identificación no invasiva de la ubicación de una vía accesoria mediante el ECG de 12 derivaciones según la polaridad de la onda delta.

El estudio incluyó a 357 pacientes consecutivos con síndrome de WPW que se sometieron con éxito a la ablación con catéter.

La polaridad de la onda delta fue evaluada por cuatro electrofisiólogos independientes, que desconocían el sitio de la ablación con catéter exitosa.

LocAP AI se entrenó y se validó internamente en aquellos pacientes para identificar la ubicación AP correcta entre 14 ubicaciones posibles.

La ubicación de AP también se determinó utilizando los tres algoritmos establecidos basados ​​en árboles, a partir del ECG (Arruda, Milstein y Fitzpatrick), que proporcionan resoluciones limitadas de 10, 5 y 8 ubicaciones de AP, respectivamente.

LocAP AI identificó la ubicación AP correcta con una precisión del 85,7% (95% CI 79,6–90,5, p <0,0001). Los algoritmos de Arruda, Milstein y Fitzpatrick arrojaron una precisión predictiva del 53,2%, 65,6% y 44,7%, respectivamente.

A resoluciones comparables, el locAP AI logró una precisión predictiva del 95,0%, 94,9% y 95,6%, respectivamente (p <0,001 para las diferencias). Como conclusiones, los autores plantean que el algoritmo de ECG habilitado por IA para la predicción de la ubicación del AP en el síndrome de WPW fue capaz de identificar correctamente la ubicación de la vía con alta precisión. El algoritmo locAP AI tiene importantes implicaciones para el manejo de estos pacientes en la planificación de la ablación, así como en la predicción del riesgo preoperatorio. Sorprendentemente, esta precisión se logró con una resolución aún mayor de posibles ubicaciones anatómicas en comparación con los algoritmos establecidos basados ​​en árboles.

* Senoner T, Pfeifer B, Barbieri F, Adukauskaite A, Dichtl W, Bauer A, Hintringer F. Identifying the Location of an Accessory Pathway in Pre-Excitation Syndromes Using an Artificial Intelligence-Based Algorithm. J Clin Med. 2021 Sep 26;10(19):4394. doi: 10.3390/jcm10194394. PMID: 34640411; PMCID: PMC8509837.