¿Cuál es la historia?
Un nuevo Inteligencia artificial (IA) El modelo ha demostrado ser más efectivo que los médicos para predecir el riesgo de paro cardíaco repentino en pacientes con miocardiopatía hipertrófica (HCM). Este modelo analiza los electrocardiogramas (ECG) utilizando el aprendizaje profundo y procesa los perfiles de los pacientes para identificar individuos de alto riesgo antes de que ocurra el evento. El modelo, llamado AI multimodal para la estratificación del riesgo de arritmia ventricular (Maars), fue desarrollado por un equipo dirigido por la Dra. Natalia Trayanova en la Universidad Johns Hopkins.
Rendimiento del modelo
Modelo Maars más del dos veces más sensible que las pautas actuales
El modelo MAARS predice el riesgo de paro cardíaco mediante el análisis de una amplia gama de datos médicos, incluidas las imágenes de ecocardiograma y radiología, así como imágenes de resonancia magnética con contraste (CMR) del corazón del paciente. En comparación con las pautas clínicas actuales, que solo identifican la mitad de los que experimentan un paro cardíaco, Maars fue casi el doble de sensible. Logró una tasa de precisión del 89% en todos los pacientes y del 93% para las personas de entre 40 y 60 años.
Importancia de los datos
AI puede analizar patrones en datos que los humanos pueden perderse
La inclusión de datos de CMR es crítica para el modelo MAARS, ya que puede detectar cicatrices en el corazón que caracteriza la miocardiopatía hipertrófica. Sin embargo, los médicos han luchado por usar estas imágenes de manera efectiva debido al desafío de vincular los patrones de tejido cicatricial con los resultados clínicos. Las redes neuronales profundas, como las utilizadas en Maars, son particularmente buenas para reconocer y analizar tales patrones en los datos que los humanos podrían perderse.
Detalles de desarrollo
HCM principal causa de muerte cardíaca repentina en individuos jóvenes
El modelo Maars fue capacitado en datos de 553 pacientes en el Registro de Cardiomiopatía Hipertrófica del Hospital Johns Hopkins. Luego se probó en una cohorte externa independiente de 286 pacientes. La miocardiopatía hipertrófica se encuentra entre las condiciones cardíacas heredadas más comunes, que afectan aproximadamente de 1 de cada 200 a 500 personas en todo el mundo. Es una causa principal de muerte cardíaca repentina en individuos jóvenes y atletas, pero predicir con precisión quién está en riesgo de paro cardíaco sigue siendo un desafío significativo.
Implicaciones clínicas
Las predicciones del modelo pueden ayudar a mejorar la atención al paciente
La capacidad del modelo Maars para predecir con precisión el riesgo de resultados adversos graves podría mejorar en gran medida la atención al paciente. Aseguraría que los pacientes reciban tratamientos adecuados para reducir su riesgo, mientras evitan los innecesarios. Esto es particularmente importante en los casos en que los desfibriladores implantables se usan como precaución contra un paro cardíaco repentino, dados los riesgos potenciales asociados con el procedimiento.
Personalización del tratamiento
Necesidad de una validación externa rigurosa antes del uso clínico
El modelo MAARS también podría usarse para personalizar el tratamiento para pacientes con miocardiopatía hipertrófica. Puede identificar los parámetros más importantes para cada paciente, lo que podría ayudar a controlar su condición de manera más efectiva. Sin embargo, los expertos advierten que antes de que los Maars puedan ser ampliamente adoptados en la práctica clínica, necesita una validación externa rigurosa en diferentes instituciones y entornos de salud.
