La estratificación del riesgo es esencial para la toma de decisiones en cardiología. Los sistemas actuales utilizan algoritmos basados en datos que no reflejan las prácticas contemporáneas. No obstante, la implementación de algoritmos impulsados por inteligencia artificial (IA) puede guiar la clasificación de pacientes en entornos clínicos puntuales, definir la conducta terapéutica y ayudar a estimar el pronóstico. No hay duda de que la IA puede transformar la cardiología intervencionista, desde la clínica hasta el laboratorio de hemodinamia.

El aprendizaje automático (machine learning [ML]) es una rama de la IA capaz de autoperfeccionarse aprendiendo de los datos, identificando patrones y tomando decisiones sin estar específicamente programada para ello.1 Tiene numerosas aplicaciones en medicina:1<ul><li>Predicción de riesgos</li><li>Cirugía robótica</li><li>Diagnóstico por imágenes</li><li>Investigación clínica.</li></ul>La cardiología está a la vanguardia de esta revolución tecnológica, <a href="https://www.docred.com/articulos/aritculo-medico-lectura-electrocardiograma-computadoras-ventajas-desventajas" target="_self">con muchas posibles aplicaciones</a>.1 Aunque la credibilidad de la IA representa un problema mayor en el cuidado de la salud que en otros campos, son fascinantes los potenciales beneficios de estas herramientas, bien integradas, para la medicina y, en particular, para la cardiología.1-3Tales beneficios abarcan un amplio espectro de aplicaciones, que van desde la prevención primaria y el diagnóstico hasta el manejo invasivo.1 Por ejemplo, a pesar de usar variables (factores de riesgo) similares, un algoritmo basado en ML identificó un 13% más de pacientes de alto riesgo y evitó así terapias hipolipemiantes innecesarias en cerca de uno de cada cuatro pacientes.1, 3<h3>Diagnóstico por imagen y toma de decisiones clínicas</h3>Las herramientas asistidas por IA pueden minimizar los costos y maximizar la eficiencia en la obtención, procesamiento e interpretación de imágenes.1-3 También es probable que, al combinar la precisión de las imágenes cardíacas contemporáneas con grandes conjuntos de datos de los sistemas de registro electrónicos, mejore el diagnóstico y la toma de decisiones.1-3La estratificación del riesgo y el pronóstico son esenciales para la toma de decisiones en el tratamiento de pacientes con síndrome coronario agudo (SCA).1 Los sistemas actuales de puntuación de riesgo utilizan algoritmos basados en datos recopilados hace más de una década y, por lo tanto, no reflejan las prácticas contemporáneas.1La implementación de algoritmos impulsados por IA puede <a href="https://www.docred.com/articulos/articulo-medico-emplear-trombolisis-durante-renaminacion-cardiopulmonar" target="_self">guiar la clasificación de pacientes en entornos clínicos puntuales (salas de emergencias)</a> y ayudar a estimar el pronóstico.1 Si bien estas aplicaciones aún se encuentran en etapa de prueba, sin duda serían excelentes herramientas para facilitar la toma de decisiones y contribuir en el viraje hacia una medicina de precisión.1<h4>Estratificación coronaria no invasiva</h4>La enfermedad de las arterias coronarias (EAC) es una de las causas más frecuentes de muerte prematura en el mundo.2 Por lo tanto, conocer en detalle la morfología coronaria resulta esencial para planificar cualquier tratamiento intervencionista, como la colocación de estents y sus tamaños, entre otras decisiones relacionadas con estos procedimientos.1, 2En la tomografía computarizada (TC) coronaria y en las imágenes de perfusión cardíaca, el ML se ha mostrado prometedor para diagnosticar la EAC sin necesidad de procedimientos invasivos.1,2 Para la evaluación del calcio en las arterias coronarias, estas herramientas basadas en IA también han demostrado una capacidad predictiva similar a la de radiólogos experimentados.1Por el contrario, en una comparación de imágenes dinámicas de perfusión miocárdica con la TC de reserva de flujo impulsada por IA, la primera superó a la segunda en la identificación de lesiones que causan isquemia.1 Estos resultados tan diversos en la interpretación de imágenes no invasivas resaltan la necesidad de evaluar críticamente cada modelo en forma independiente.1<h4>Del diagnóstico al laboratorio de hemodinamia</h4>Actualmente existen varios proyectos en desarrollo que podrían cambiar la forma en que se realizan los procedimientos y aliviar algunas de las dificultades para el especialista dentro del laboratorio de cateterismo.1 La tabla 1 menciona los más relevantes.<figure class="image"><img src="https://res.cloudinary.com/docred/image/upload/t_optimization/v1693875019/Tabla_1_cf5ac649a5.webp" /></figure><h3>¿Cuáles son los retos?</h3>Uno de los problemas más importantes es que la IA no entiende lo que analiza, sino que obtiene inteligencia de patrones, lo que la hace vulnerable a errores y sesgos.1 Por ejemplo, particularmente en cardiología, estos modelos pueden establecer asociaciones basadas en la raza <a href="https://www.docred.com/articulos/articulo-medico-porque-mueren-mas-mujeres-hombres-iam" target="_self">y hacer suposiciones que podrían exacerbar algunas inequidades</a> en la atención médica.1Los cardiólogos intervencionistas deben reducir sus expectativas y comprender que, aunque la IA puede ser útil en la práctica, no reemplaza la intuición humana.1 Asimismo, deben colaborar con ingenieros y científicos de datos para garantizar que los recursos se inviertan en herramientas que se ajusten efectivamente a las necesidades clínicas reales en este contexto.1En última instancia, las mayores preocupaciones éticas y legales en la era de la IA giran en torno a garantizar la privacidad del paciente y mantener la buena fe pública, a medida que se desdibujan las líneas entre las instituciones de atención médica y las empresas privadas, ante un inevitable desarrollo tecnológico.1 Estas adaptaciones deben darse rápidamente antes de quedar atrás.1<h3>En perspectiva</h3>La IA tiene el potencial de transformar la cardiología intervencionista tanto en la clínica como en el laboratorio de cateterismo.1 Sin embargo, su uso en la práctica está todavía muy lejos.1, 3 Tanto la cardiología intervencionista como la IA deben abordar cada una sus limitaciones y evolucionar, antes de que puedan integrarse con éxito (figura 1).1<figure class="image"><img src="https://res.cloudinary.com/docred/image/upload/t_optimization/v1693875067/Figura_1_0b213589ba.webp" /></figure>A manera de recomendación, las herramientas basadas en IA deberían ser buscadas activamente por los cardiólogos, en especial por los intervencionistas y convertirse en un área activa de educación e investigación para todos los médicos.1<figure class="poll" data-id="773">{ Poll ID: 773}</figure>Comentario editorialLos avances más importantes en la historia de la cardiología intervencionista han requerido varios años de desarrollo y perfeccionamiento, y la IA no será una excepción. Tiene el potencial de dar forma a la práctica de la especialidad en las siguientes décadas. Sin embargo, existen peligros que podrían comprometer la seguridad del paciente y barreras que deben ser superadas.

Medicina Interna

Medicina General

Cardiología

Docred

IA en cardiología intervencionista: ¿herramienta o adversario?

En cardiología, como en otras especialidades, la IA debe verse como una herramienta clínica, más que como una autoridad. Acá le explicamos por qué.