ECG de alta fidelidad en la miocardiopatía hipertrófica

Será tema de la NOTICIA DEL DÍA el análisis de una publicación en el Frontiers in Physiology de marzo de 2018 debida a un trabajo colaborativo entre autores ingleses y españoles especialistas en cardiología y ciencias de la computación que se ocupó de estudiar las características de distintos fenotipos electrocardiográficos identificados en la miocardiopatía hipertrófica mediante el registro automático del trazado y su asociación con marcadores de riesgo arrítmico*.

Los autores inician el texto indicando que la miocardiopatía hipertrófica (MCH o  HCM por sus siglas en inglés) sigue siendo una enfermedad genética del corazón, común pero desafiante, debido a su curso clínico heterogéneo y que la ocurrencia de arritmias ventriculares son una causa importante de muerte súbita cardíaca (MSC) en personas jóvenes afectadas.

La identificación precisa de los pacientes de alto riesgo es una prioridad clínica ya que los CDIs que suelen indicarse pueden tratar con éxito las arritmias ventriculares que desencadenan la MSC.

En la HCM, tanto la remodelación iónica como las anomalías estructurales [hipertrofia, desorden de miocitos  y fibrosis] crean un sustrato pro-arrítmico en pacientes específicos.

Estudios previos han intentado evaluar las características electrofisiológicas de la HCM mediante la inspección visual del electrocardiograma (ECG) de 12 derivaciones.

Se han informado anomalías como ondas Q anormales, complejos QRS amplios y altos, desplazamiento del segmento ST y ondas T invertidas gigantes en HCM.

Sin embargo, no se demostró que ninguna anormalidad sea característica de los pacientes con MCH y no está claro si la inversión de la onda T es secundaria a la despolarización anormal o una consecuencia de la dinámica y heterogeneidad anormal de la repolarización.

Además, los estudios previos que incluyeron cohortes de pacientes con MCH de alto riesgo tampoco lograron una estratificación confiable, no encontrando diferencias en el ECG entre pacientes con y sin shock del CDI.

Algunos estudios, por ejemplo, informaron que la inversión de la onda T se relaciona con el aumento en el riesgo de MSC pero otros no. Esto puede deberse a las limitaciones en la metodología y, por lo tanto, se requieren enfoques más sofisticados y nuevos conocimientos para mejorar la información extraída del ECG para el fenotipado de la HCM.

En ausencia de biomarcadores de ECG confiables, cinco factores de riesgo convencionales [taquicardia ventricular no sostenida (TVNS), síncope no explicado, antecedentes familiares de MS, hipertrofia ventricular izquierda masiva (HVI) y respuesta anormal a la presión arterial en el ejercicio] proporcionan utilidad clínica para predecir MS en HCM.

Más recientemente, el modelo de predicción HCM Risk-SCD** validado prospectivamente recomendado por las guías ESC 2014, ha tenido mejores resultados que los factores de riesgo convencionales aunque con limitaciones.

Sin embargo, ninguno de los métodos capta el grado de las anomalías miocárdicas subyacentes que conducen al riesgo arrítmico.

Por lo tanto el objetivo de los autores fue identificar subgrupos de pacientes con MCH con diferencias en el fenotipo electrofisiológico y estructural mediante el análisis computacional  del Holter ECG de 12 derivaciones de alta fidelidad, utilizando el aprendizaje combinado de los equipos que se usaron y modelos matemáticos incorporados.

Para este fin, primero fueron extraídos los biomarcadores basados ​​en la morfología del QRS usando un modelo matemático basado en las funciones de Hermite***.

A continuación, se aplicó un algoritmo muy sofisticado llamado enfoque de agrupamiento no supervisado a los biomarcadores basados ​​en ECG, para identificar automáticamente la presencia de diferentes subgrupos fenotípicos en la población de HCM.

Asimismo la resonancia magnética cardíaca (CMR por sus siglas en inglés) y los marcadores de riesgo arrítmico se evaluaron para caracterizar aún más a los subgrupos de pacientes. La baja incidencia de muerte súbita en HCM de <1% por año y la incorporación de pacientes sin comorbilidades impidieron su uso como criterio de valoración en este estudio.

En su lugar, los autores proporcionaron una caracterización más profunda de los fenotipos de HCM aprovechando el ECG digital adquirido recientemente junto con los datos de CMR, que es inalcanzable en las bases de datos retrospectivas más grandes.

Se presumió que la cuantificación detallada de la morfología del QRS y las anomalías de la onda T usando ECG de alta fidelidad identificarían características importantes del sustrato electrofisiológico y anatómico subyacente, para permitir una mejor caracterización fenotípica de los pacientes con MCH.

Por lo tanto el objetivo fue identificar distintos fenotipos de HCM basados ​​en el análisis computacional del ECG, y caracterizar las diferencias halladas, en función a los factores de riesgo clínico y las diferencias anatómicas mediante la resonancia magnética cardíaca (CMR).

Se obtuvo un ECG de Holter de 12 derivaciones de alta fidelidad de 85 pacientes con HCM y 38 voluntarios sanos. Las características clínicas y la extensión y distribución de la hipertrofia evaluada por CMR se evaluaron en los subgrupos.

La morfología QRS en forma aislada fue crucial para identificar tres fenotipos de HCM con patrones QRS muy distintos.

El grupo 1 (n = 44) mostró morfología QRS normal,

el grupo 2 (n = 19) mostró ondas R pequeñas y ondas S profundas en V4,

y el grupo 3 (n = 22) mostró ondas R pequeñas y ondas  S profundas en V4-6, con desviación del eje QRS  a la izquierda.

Sin embargo, no se observaron diferencias en el riesgo arrítmico ni en la distribución de la hipertrofia entre estos grupos.

Incluyendo el análisis de la onda T en la caracterización, se identificaron cuatro fenotipos de  HCM:

Grupo 1A (n = 20), con alteraciones de la repolarización primarios que muestran QRS normales y ondas T todavía invertidas,

Grupo 1B (n = 24), con morfología QRS normal y ondas T positivas,

y los grupos 2 y 3 permanecen como antes, con ondas T positivas.

Los pacientes del grupo 1A, con QRS normal y onda T invertida, mostraron puntuaciones de HCM Risk-SCD aumentadas (1A: 4.0%, 1B: 1.8%, 2: 2.1%, 3: 2.5%, p = 0.0001), y un predominio de coexistencia hipertrofia septal y apical (p <0,0001).

Los pacientes con HCM en los Grupos 2 y 3 exhibieron hipertrofia predominantemente septal (85 y 90%, respectivamente).

En conclusión, los pacientes con HCM se clasificaron en cuatro subgrupos con características distintas del ECG. Los pacientes con onda T negativa primaria aumentaron las puntuaciones de riesgo-SCD HCM y  la coexistencia de hipertrofia septal y apical, lo que sugiere que la inversión de la onda T primaria puede aumentar el riesgo de MS en la MCH, Esto no aconteció con la onda T negativa secundaria a anormalidades de despolarización.

El fenotipado ECG computacional proporciona información sobre los procesos subyacentes capturados por el ECG y tiene el potencial de ser un factor novedoso e independiente para la estratificación del riesgo.

* Lyon A, Ariga R, Mincholé A, Mahmod M, Ormondroyd E, Laguna P, de Freitas N, Neubauer S, Watkins H, Rodriguez B. Distinct ECG Phenotypes Identified in Hypertrophic Cardiomyopathy Using Machine Learning Associate With Arrhythmic Risk Markers. Front Physiol. 2018 Mar 13;9:213. doi: 10.3389/fphys.2018.00213. eCollection 2018.

** http://www.doc2do.com/hcm/webHCM.html

*** Funciones de Hermite: son complejos modelos matemáticos ecuacionales