Biomarcador electrocardiográfico basado en inteligencia artificial para la predicción de resultados en pacientes con insuficiencia cardíaca aguda
Investigadores de la República de Corea realizaron un estudio de cohorte prospectivo observacional que se propuso analizar mediante inteligencia artificial, el rol de un biomarcador electrocardiográfico para la predicción de la evolución en pacientes con insuficiencia cardíaca aguda, y publicaron sus resultados y conclusiones en la edición del 3 de julio de 2024 del Journal of Medical Internet Research*.
La NOTICIA DEL DÍA hoy se hará eco de esta publicación.
Los autores señalan a manera de prólogo de su estudio que la insuficiencia cardíaca (IC) es un importante problema de salud mundial que afecta a millones de personas en todo el mundo y genera una morbilidad, mortalidad y gastos de atención médica significativos.
Aunque varios biomarcadores valiosos como la prohormona N-terminal del péptido natriurético cerebral (NT-proBNP) y troponinas cardíacas se han introducido para pacientes con IC, su uso en la práctica clínica habitual a menudo está limitado por su coste y disponibilidad.
Por su lado, el electrocardiograma (ECG) es una herramienta esencial y rentable para evaluar las enfermedades cardiovasculares.
El ECG está ampliamente disponible, no es invasivo y proporciona información en tiempo real sobre la actividad eléctrica cardíaca, lo que es crucial para detectar arritmias, isquemia y otras anomalías cardíacas.
Con los avances en inteligencia artificial (IA) y aprendizaje profundo, ha habido un creciente interés en el uso de algoritmos de IA para analizar datos de ECG y predecir resultados en pacientes con diversas afecciones cardiovasculares.
En este estudio, los autores coreanos investigaron la utilidad de un algoritmo de IA que analiza imágenes de ECG impresas para predecir resultados en pacientes con IC aguda.
Pronostican que estos hallazgos demostrarán el potencial del análisis de ECG asistido por IA para predecir resultados en estos pacientes, superando potencialmente las limitaciones de costo y disponibilidad de los biomarcadores actuales.
Aunque existen varios biomarcadores para pacientes con insuficiencia cardíaca (IC), su uso en la práctica clínica habitual a menudo se ve limitado por los altos costos y la disponibilidad limitada.
Por tal motivo, examinaron la utilidad de un algoritmo de inteligencia artificial (IA) que analiza electrocardiogramas (ECG) impresos para la predicción de resultados en pacientes con IC aguda.
Así, analizaron retrospectivamente datos recopilados prospectivamente de pacientes con IC aguda en dos centros terciarios de Corea.
Los ECG basales se analizaron utilizando un sistema de aprendizaje profundo llamado ECG cuantitativo (QCG)**, que fue entrenado para detectar varias condiciones clínicas urgentes, incluido el shock, el paro cardíaco y la fracción de eyección del ventrículo izquierdo (FEVI) reducida.
Entre los 1254 pacientes incluidos, se produjo muerte cardíaca intrahospitalaria en 53 (4,2%) pacientes, y la puntuación QCG para eventos críticos (QCG-Critical) fue significativamente mayor en estos pacientes que en los sobrevivientes (media 0,57, DE 0,23 frente a media 0,29, DE 0,20; P < 0,001).
La puntuación QCG-Critical fue un predictor independiente de muerte cardíaca intrahospitalaria después del ajuste por edad, sexo, comorbilidades, etiología/tipo de IC, fibrilación auricular y ensanchamiento del QRS (odds ratio [OR] ajustado 1,68; IC del 95 % 1,47-1,92 por cada aumento de 0,1; P < 0,001), y siguió siendo un predictor significativo después de ajustes adicionales para la FEVI ecocardiográfica y el nivel de prohormona N-terminal del péptido natriurético cerebral (OR ajustado 1,59; IC del 95 % 1,36-1,87 por cada aumento de 0,1; P < 0,001).
Durante el seguimiento a largo plazo, los pacientes con puntuaciones QCG-Critical más altas (>0,5) tuvieron tasas de mortalidad más altas que aquellos con puntuaciones QCG-Critical bajas (<0,25) (cociente de riesgos ajustado 2,69; IC del 95 % 2,14-3,38; P < 0,001).
Predecir los resultados en pacientes con IC es importante para orientar el tratamiento y mejorar el pronóstico pero a menudo se ve obstaculizada por la complejidad de la fisiopatología de la IC y la presencia de otras comorbilidades.
Recientemente, se ha descubierto que los algoritmos de IA basados en big data de registros médicos son útiles para predecir los resultados de los pacientes con IC; sin embargo, estos algoritmos son difíciles de aplicar en la práctica diaria y su desempeño requiere más mejoras.
En este estudio, la puntuación QCG-Critical, se correlacionó bien con la mortalidad temprana y la muerte cardíaca intrahospitalaria durante el índice después de ajustar los factores de riesgo clínicos tradicionales.
Además, la puntuación QCG-Critical fue un predictor independiente de la mortalidad por todas las causas a largo plazo en esta población, lo que sugiere que esta puntuación de ECG basada en IA puede servir como un nuevo biomarcador para estos pacientes.
El ECG es una prueba eficiente, ampliamente disponible y fácil de realizar, por lo que se utiliza a menudo como evaluación de primera línea para pacientes con enfermedades cardiovasculares.
El infarto de miocardio con elevación del segmento ST es una enfermedad por excelencia en la que la evaluación del ECG es fundamental para un diagnóstico oportuno.
Aunque el ECG no es determinante para el diagnóstico de IC, varios estudios han demostrado que algunas características del ECG se correlacionan con las características de la IC.
Además, la presencia de FA o ensanchamiento del QRS puede representar características del ECG que reflejen una hemodinámica subyacente desfavorable, correlacionándose así con un mal pronóstico.
También se han sugerido cambios más sutiles en el ECG como predictores de un mal pronóstico en pacientes con IC; sin embargo, estos requieren altos niveles de experiencia y habilidad para su interpretación, lo que puede limitar su aplicabilidad.
En teoría, la señal del ECG puede contener información sobre las actividades eléctricas y mecánicas del corazón enfermo más allá de la percepción del médico.
Con la ayuda de la IA, el ECG puede proporcionar información valiosa más allá de su uso actual.
Por ejemplo, Attia et al informaron que la reducción de la FEVI puede detectarse mediante ECG utilizando IA.
Esta nueva aplicación de ECG con IA fue reproducida por otros investigadores.
En este estudio, la puntuación QCG-HF también mostró un buen desempeño en la predicción de una FEVI ecocardiográfica reducida de menos del 40%, con un valor de AUC de 0,884.
Cabe destacar que, en los estudios mencionados anteriormente, la FEVI predicha por el ECG basado en IA se correlacionó con el pronóstico de los pacientes con IC crónica, mientras que en este estudio la puntuación del ECG basada en IA tuvo un valor predictivo en los pacientes con IC aguda.
Por lo tanto, hasta donde se sabe, este estudio representó un esfuerzo inicial en términos de predecir los resultados de la IC aguda utilizando la interpretación del ECG basada en IA.
La puntuación QCG-Critical se entrenó originalmente para detectar condiciones médicas críticas que pudieran resultar en shock o mortalidad en el plazo de 1 día.
En este estudio, la puntuación QCG-Critical predijo la mortalidad cardíaca temprana en pacientes con IC aguda con alta precisión.
El valor del AUC de la puntuación QCG-Critical fue mayor que el de la FEVI ecocardiográfica para la predicción de la muerte cardíaca intrahospitalaria y también fue mayor que el valor del AUC del nivel sérico de NT-proBNP, pero sin significación estadística.
En particular, la puntuación QCG-Critical estuvo disponible para los 1254 pacientes incluidos en el estudio KorAHF, mientras que los resultados de la FEVI y el NT-proBNP no lo estuvieron en 68 (5,4%) y 168 (13,4%) pacientes, respectivamente.
Teniendo en cuenta que el estudio KorAHF incluyó a pacientes de centros terciarios en Corea, una alta proporción de pacientes con IC aguda podría no tener la oportunidad de beneficiarse de estas pruebas ecocardiográficas o de biomarcadores séricos en la práctica del mundo real.
Debido a que el ECG es una herramienta de evaluación ampliamente disponible y las puntuaciones QCG se derivan de imágenes de ECG, la puntuación QCG-Critical puede servir como un biomarcador alternativo adecuado para la estratificación del riesgo de pacientes con IC aguda en entornos del mundo real con recursos limitados.
Esta puntuación también puede ser útil incluso en centros bien equipados porque estaría disponible inmediatamente después del examen de ECG, sin requerir una espera adicional para la ecocardiografía o las pruebas de laboratorio.
Esto puede ser beneficioso para la estratificación oportuna del riesgo en el departamento de emergencias.
La puntuación QCG-Critical no solo se correlacionó con la muerte cardíaca intrahospitalaria, sino que también mostró una fuerte asociación con la mortalidad a largo plazo.
Además, el análisis de subgrupos demostró una correlación consistente entre la puntuación QCG-Critical y los resultados clínicos.
Estos resultados enfatizan el potencial de la interpretación de ECG basada en IA como un nuevo biomarcador en este campo.
Sin embargo, este estudio tuvo varias limitaciones.
En primer lugar, la población del estudio consistió predominantemente en pacientes asiáticos; por lo tanto, se necesitan más estudios para validar los resultados en diferentes etnias.
En segundo lugar, el algoritmo de IA probado en este estudio se derivó de uno de los centros participantes (Hospital Bundang de la Universidad Nacional de Seúl).
Sin embargo, hubo una diferencia temporal entre la inscripción de pacientes para el entrenamiento del algoritmo (2017 a 2019) y la población de prueba (inscripción de KorAHF, 2011 a 2014), y otro centro externo (Hospital Severance) participó en este estudio.
Esto pudo limitar la generalización de los hallazgos.
En tercer lugar, el formato del ECG pudo afectar el rendimiento del algoritmo.
Aunque los fabricantes de los dispositivos de ECG utilizados en los dos hospitales participantes diferían (Philips PageWriter TC 30 y TC 70 en el Hospital Bundang de la Universidad Nacional de Seúl y GE Healthcare MAC 5500 y MAC VU360 en el Hospital Severance), no hubo diferencias significativas en el rendimiento del algoritmo de IA entre los hospitales.
Sin embargo, debido a que el sistema utiliza imágenes de ECG impresas como entrada, pueden existir situaciones problemáticas en las que las cualidades de las imágenes influyan en el poder predictivo de los biomarcadores.
Aunque algunos estudios recientes basados en algoritmos de IA sugieren un análisis de interpretación más profundo, el sistema QCG no admite el mapeo de activación de clase ponderado por gradiente o una visualización similar para la explicabilidad del modelo debido a la arquitectura de red personalizada utilizada.
Por lo tanto, no pudo evaluarse qué parte de las imágenes de ECG utiliza el sistema para cada predicción.
En conclusión, parece factible predecir los resultados en pacientes con IC aguda utilizando el nuevo sistema de puntuación de ECG basado en IA.
Por lo tanto, este sistema puede servir como un nuevo biomarcador para pacientes con IC, superando potencialmente las limitaciones de costo y disponibilidad de los biomarcadores actuales.
- Cho Y, Yoon M, Kim J, Lee JH, Oh IY, Lee CJ, Kang SM, Choi DJ. Artificial Intelligence-Based Electrocardiographic Biomarker for Outcome Prediction in Patients With Acute Heart Failure: Prospective Cohort Study. J Med Internet Res. 2024 Jul 3;26:e52139. doi: 10.2196/52139. PMID: 38959500.
** http://cardiolatina.com/noticias/viabilidad-del-analisis-ecg-basado-en-inteligencia-artificial-para-la-prediccion-de-enfermedad-coronaria-obstructiva-en-la-angina-estable/
