IA analiza electrocardiogramas en menos de dos segundos y detecta hasta 90% de valvulopatías
Una herramienta de Imperial College London identificó hasta 81% de casos de insuficiencia cardíaca y 90% de enfermedad valvular en 67.000 pacientes de Estados Unidos. El objetivo es priorizar ecocardiogramas y acelerar diagnósticos.
Un equipo de Imperial College London desarrolló una herramienta de inteligencia artificial capaz de analizar un electrocardiograma de rutina en menos de dos segundos y detectar señales de insuficiencia cardíaca y enfermedad valvular. La tecnología, presentada en el Congreso de la Sociedad Europea de Cardiología en Múnich, busca identificar a pacientes de mayor riesgo para acelerar su derivación a estudios cardíacos más complejos.
En una evaluación realizada en 67.000 pacientes de Estados Unidos, la herramienta identificó hasta 81% de quienes tenían insuficiencia cardíaca y hasta 90% de quienes presentaban enfermedad de las válvulas cardíacas. El modelo fue entrenado con 10,6 millones de electrocardiogramas y emplea patrones eléctricos que un ECG convencional registra, pero que no suelen ser distinguibles para el ojo humano durante la lectura habitual.
El sistema no reemplaza el diagnóstico médico ni puede confirmar o descartar por sí solo una insuficiencia cardíaca o una valvulopatía. Su función prevista es actuar como una herramienta de triaje clínico: señalar qué pacientes podrían requerir un ecocardiograma de manera más rápida y prioritaria.
Del ECG rutinario al triaje de riesgo
El electrocardiograma registra la actividad eléctrica cardíaca, incluida la frecuencia y el ritmo. Es un estudio utilizado históricamente para detectar infartos y arritmias, pero no fue diseñado para diagnosticar de manera directa enfermedades estructurales del corazón, como insuficiencia cardíaca o trastornos valvulares.
Para esas condiciones, los pacientes suelen requerir un ecocardiograma, una ecografía del corazón que permite observar estructuras, flujo sanguíneo y función cardíaca. El acceso a este estudio puede requerir esperas de meses después de la derivación médica.
La herramienta de IA intenta resolver esa brecha mediante un análisis inmediato del ECG. Al detectar una señal compatible con riesgo elevado, podría contribuir a que el paciente sea priorizado para una ecografía cardíaca antes de que la enfermedad progrese o se manifieste con mayor gravedad.
“Es emocionante ver que la IA ahora puede entregar una lectura a partir de un ECG en lo que parece un abrir y cerrar de ojos”, afirmó Sonya Babu-Narayan, cardióloga consultora y directora clínica de la British Heart Foundation, entidad que financió el ensayo.
Resultados y límites del modelo
La evaluación en Estados Unidos mostró que el sistema identificó hasta 81% de los pacientes con insuficiencia cardíaca y hasta 90% de aquellos con enfermedad valvular. 1011 Las cifras reflejan capacidad de detección, no una confirmación diagnóstica definitiva ni la identificación de todos los pacientes afectados.
Babu-Narayan subrayó esa limitación: “Tecnologías como el ECG con IA de esta investigación, que tienen el potencial de identificar precozmente a pacientes de alto riesgo, no detectarán a todas las personas con una afección cardíaca”. Sin embargo, agregó que podrían contribuir a “acelerar” el acceso de quienes tienen mayor probabilidad de presentar una anomalía cardíaca.
En investigaciones previas del mismo entorno académico, un algoritmo pudo anticipar riesgo de insuficiencia valvular mitral, tricuspídea o aórtica a partir de ECG y clasificó correctamente el riesgo futuro, de alto a bajo, en alrededor de 69% a 79% de los casos. Las personas señaladas como de alto riesgo tenían hasta diez veces más probabilidad de desarrollar esas enfermedades frente a las clasificadas como de menor riesgo.
Uso potencial en hospitales
Fu Siong Ng, profesor de Cardiología en Imperial College London, planteó que la tecnología puede ayudar a resolver demoras diagnósticas. “Los pacientes a menudo pueden esperar varios meses para una ecografía cardíaca después de que su médico los deriva”, señaló.
“Esto hace que sea alentador que nuestra tecnología pueda identificar a los pacientes con mayor riesgo de insuficiencia cardíaca y enfermedad valvular, para que puedan ser priorizados para estudios más rápidos y urgentes”, agregó.
El modelo también podría aplicarse de forma oportunista sobre ECG realizados por otros motivos. En ese escenario, el sistema analizaría estudios ya solicitados y alertaría sobre señales de alto riesgo en personas que no estaban siendo evaluadas específicamente por insuficiencia cardíaca o valvulopatía.
“Otra aplicación potencial de este modelo de IA es diagnosticar de manera oportunista insuficiencia cardíaca y enfermedad valvular en personas en quienes estas condiciones no son sospechadas”, explicó Ng. “El modelo podría ejecutarse sobre todos los ECG realizados en un hospital para señalar a quienes presentan el mayor riesgo”.
Próximos pasos de validación
Ahmed El-Medany, investigador clínico de la British Heart Foundation que lideró el análisis, describió el sistema como una “IA sobrehumana”. El próximo desafío, indicó, será desarrollar lectores de ECG portátiles con IA que puedan utilizar los profesionales de salud.
La tecnología se encuentra en evaluación prospectiva en el Reino Unido. El estudio incluye centros de Londres y Bristol y prevé reclutar aproximadamente 590 adultos de entre 18 y 90 años sin diagnóstico previo de insuficiencia cardíaca, hipertensión pulmonar o enfermedad valvular.
El desarrollo ilustra cómo la IA puede ampliar el valor diagnóstico de estudios masivos y de bajo costo relativo. Si la validación clínica confirma su utilidad en la práctica real, el ECG podría convertirse también en una puerta de acceso más temprana para pacientes con riesgo de insuficiencia cardíaca y enfermedad valvular.
