La actividad cardíaca genera una señal eléctrica continua que se puede captar a través de electrodos. Este electrocardiograma (ECG) convencional, rápido y de bajo costo, se ha utilizado durante décadas para monitorear el corazón. Algunos cambios asociados a alteraciones mecánicas, eléctricas y metabólicas del corazón, escapan a la capacidad visual del ser humano para ser identificadas en el ECG y tratadas oportunamente. La inteligencia artificial (IA) aparece como una posible salida a esta situación, aun con los múltiples desafíos en cuanto a usabilidad, eficiencia, rentabilidad y seguridad.

El corazón es una bomba compleja, con actividad mecánica y eléctrica.1, 2 La facilidad para medir esta actividad eléctrica y su correlación con el funcionamiento mecánico y metabólico, hizo de la electrocardiografía una de las pruebas diagnósticas no invasivas más comunes.2 La actividad cardíaca genera una señal eléctrica continua que se capta a través de electrodos, luego se filtra y se analiza.2 En consecuencia, la predicción e intervención oportunas de algunas alteraciones eléctricas del corazón podrían eliminar su capacidad arritmogénica, entre otras condiciones.1, 2<h3>Sistemas automatizados y ECG</h3>El ECG convencional se ha utilizado para monitorear la condición cardíaca durante décadas.2 Es fácil de usar, rápido, de bajo costo y sencillo de interpretar,1 por lo cual existen varios sistemas de monitoreo, basados en estas señales.1 La medicina cardiovascular, en especial la electrofisiología, ha sido importante en la evolución y utilización de estos sistemas de monitoreo,2 con un creciente interés en integrarlos con el aprendizaje automático.3 Las redes neuronales convolucionales (CNN, por sus siglas en inglés), por ejemplo, se han utilizado para <a href="https://www.docred.com/articulos/tamizaje-fibrilacion-auricular-adulto-mayor" target="_self">predecir la probabilidad de fibrilación auricular</a>, la disfunción del ventrículo izquierdo, la miocardiopatía hipertrófica y algunas valvulopatías.3<h3>El dilema de la digitalización</h3>Para interpretar la enorme cantidad de datos resultantes, se ha recurrido a la IA para leer y procesar señales de ECG sin la intervención humana y ofrecer diagnósticos automáticos y precisos.1 Sin embargo, la mayoría de pacientes presentan alteraciones intermitentes en la actividad eléctrica y, en ocasiones, los exámenes (ECG) resultan negativos.1 Aunque existen varios repositorios de datos, su disponibilidad para aplicaciones de IA aumentaría considerablemente con una herramienta de digitalización que pueda convertir grandes volúmenes de ECG físicos (en papel) en señales digitales.3Ha habido múltiples esfuerzos para desarrollar herramientas que no requieran intervención manual, con algoritmos que solo digitalizan ECG con derivaciones impresas en una configuración específica.3 El Instituto Nacional del Corazón y los Pulmones de Londres, en Reino Unido, desarrolló una interfaz de digitalización en línea, fácil de usar, que se presta para grandes cantidades de ECG en papel.3 Se puede utilizar en diferentes configuraciones y no requiere entradas manuales,3 lo que resulta muy útil, sobre todo para las personas que deseen utilizar el ECG en aplicaciones de aprendizaje automático e IA.3<h3>De la digitalización al análisis</h3>Los avances en los métodos analíticos prometen extraer información más allá de los datos recopilados.2 A medida que aumenta la utilización de estos dispositivos, resulta más importante comprender los aspectos fisiológicos y técnicos, junto con la evidencia que respalda esta tecnología para indicaciones específicas.2 Un modelo de IA desarrollado por la Facultad de Medicina de la Universidad Nacional de Taiwán, permitió registrar señales de ECG y detectar la presencia de complejos ventriculares prematuros durante ritmo sinusal, con un área bajo la curva (AUC) de 0.94.1La precisión puede ser comparable, en un estudio anterior, con modelos utilizados para identificar FA durante ritmo sinusal y ser incluso mejor que otras pruebas, como la puntuación CHADS2 y CHA2DS2-VASc para la predicción de accidentes cerebrovasculares isquémicos.1 Estos algoritmos también se han aplicado en el diagnóstico de infarto agudo de miocardio, insuficiencia cardíaca y alteraciones del potasio en las poblaciones de mayor riesgo.1<h3>Mecanismo de acción de la IA</h3>Es probable que las alteraciones estructurales que subyacen a las enfermedades cardíacas conduzcan a cambios sutiles en el ECG, <a href="https://www.docred.com/articulos/aritculo-medico-lectura-electrocardiograma-computadoras-ventajas-desventajas" target="_self">que no podrían ser observados por los ojos humanos</a>.1 Las señales más pequeñas podrían reflejar un bloqueo regional en la conducción de algunos pacientes.1 Una CNN entrenada, expuesta a una gran cantidad de ECG y con suficiente profundidad para extraer características sutiles que los observadores no aprecian de forma rutinaria, puede ser lo suficientemente poderosa como para identificarlas.1 Estos modelos de aprendizaje han demostrado un desempeño satisfactorio en tales circunstancias y de seguro tendrán un amplio despliegue clínico, con implicaciones impredecibles a futuro1. La identificación de estas características es importante porque podría ofrecer hallazgos novedosos, proporcionar nuevos objetivos terapéuticos o conceder un mayor nivel de certeza a los médicos.1<h3>Principales desafíos</h3>El análisis de señales y la clasificación de eventos en cada ciclo cardíaco afectan la precisión de los cálculos.2 Aquí se presenta una recopilación de los principales retos:<ul><li>El registro debe ser continuo, <a href="https://www.docred.com/articulos/articulo-medico-opinion-de-pacientes-sobre-inteligencia-artificial" target="_self">confiable, de bajo costo y cómodo para el paciente monitoreado</a>.2 Los sensores más nuevos tienen gran potencial pues no requieren adhesivos e incluso se pueden tejer en la ropa.2</li><li>Cualquier método que “dependa del paciente” es propenso al error.2 Incluso con grabadoras de grado médico y educación al paciente, la proporción de grabaciones o transmisiones fallidas puede llegar al 45%.2</li><li>La seguridad de los datos es un problema constante.2 Los dispositivos están protegidos por los protocolos de las empresas y siguen las normas de comunicaciones inalámbricas basadas en internet, bastante variables según la región.2</li><li>Otra preocupación es la integración en las plataformas de gestión de datos de atención médica y establecer expectativas razonables entre pacientes y tratantes con respecto a la frecuencia y los métodos de revisión de la información.2</li></ul><h3>En perspectiva</h3>En 2022, casi 67 millones de personas planearon usar uno de estos dispositivos portátiles en los Estados Unidos. La mitad de esta población estaba interesada en realizar un seguimiento de su salud cardíaca y el 68% de los médicos tenía la intención de usar un dispositivo portátil para monitorear a sus pacientes.2 Los estudios clínicos y los modelos de simulación confirman la eficacia y la rentabilidad de estos sistemas clínicos, con un menor tiempo de decisión y menos uso de los servicios hospitalarios.2Conforme los biosensores y los métodos de análisis automatizado de datos evolucionen, las indicaciones para el monitoreo remoto se expandirán, lo que facilitará el manejo de algunas afecciones cardíacas.2 Este enfoque analítico también tiene un gran potencial para disminuir la carga de los sistemas de salud, ya que la mayor parte del procesamiento de datos ambulatorios en entornos clínicos sigue siendo semiautomático y requiere del apoyo de profesionales capacitados.2 Más investigación ayudará a proporcionar evidencia de alta calidad2 sobre la utilidad, las limitaciones y los peligros de esta llamativa tecnología.2Comentario editorialLa IA permite en la actualidad una identificación automática y precisa de infinidad de eventos en varios campos de la medicina, situación que otrora se consideraba impensable. Esto ha tenido como consecuencia la disminución del tiempo para la toma de decisiones, de la tasa de complicaciones y de la carga económica y psicosocial para pacientes, cuidadores y sistemas de salud. Se requiere más y mejor evidencia con el fin de continuar respaldando una tecnología que crece a pasos agigantados. ¿En qué otro campo aplicaría estos sistemas automatizados? Déjenos saber su respuesta en los comentarios.

Medicina Interna

Cardiología

Medicina Familiar

Docred

Inteligencia artificial en cardiología, ¿nuevas perspectivas?

La IA permite leer y procesar señales de ECG sin la intervención humana y ofrecer diagnósticos automáticos y precisos. Ingrese y lea el artículo completo.