Un ataque cardíaco se produce cuando se bloquea o se reduce gravemente el flujo de sangre que va al corazón. Por lo general, la obstrucción se debe a una acumulación de grasa, colesterol y otras sustancias en las arterias del corazón (coronarias). Los depósitos de grasa que contienen colesterol se llaman placas.
Para disminuir los casos, desde la Universidad de Pittsburgh se ha publicado un estudio dirigido por investigadores que han desarrollado un modelo de aprendizaje automático que utiliza lecturas de electrocardiogramas (ECG) que permite el diagnóstico precoz, de una forma rápida y precisa, de los ataques cardiacos para su posterior clasificación. Los hallazgos del estudio fueron publicados en Nature Medicine y muestran que este modelo tiene el potencial de transformar la forma en que se evalúa el riesgo cardíaco en pacientes con dolor torácico.
Salah Al-Zaiti, Ph.D., RN, profesor asociado en la Escuela de Enfermería de Pitt y en los departamentos de Medicina de Urgencias y Cardiología de la Facultad de Medicina y principal del estudio, explicó que la detección temprana y precisa de un ataque cardíaco es crucial para brindar la atención adecuada a los pacientes sin demora. “Cuando un paciente llega al hospital con dolor en el pecho, la primera pregunta que hacemos es si el paciente está teniendo un infarto o no. Parece que debería ser sencillo, pero cuando no está claro en el ECG, puede tomar hasta 24 horas completar pruebas adicionales”
"Mejorar la evaluación de riesgos para que los pacientes puedan recibir la atención adecuada sin demora”
Este método de actuación pone en peligro al paciente, llegando a retrasar el tratamiento, de esta manera y como afirma el principal autor del estudio, “nuestro modelo ayuda a abordar este gran desafío al mejorar la evaluación de riesgos para que los pacientes puedan recibir la atención adecuada sin demora”.
A través de este nuevo modelo de aprendizaje automático se ha permitido la mejora de la evaluación de riesgos. En el electrocardiograma, los médicos pueden encontrar con facilidad un patrón distintivo llamado infarto agudo de miocardio con elevación del segmento (STEMI), que indica el peor tipo de ataque cardíaco causado por el bloqueo total de una arteria coronaria. Representa del 29% al 47% de todos los infartos al miocardio e impacta en forma significativa las tasas de morbilidad y mortalidad a corto y largo plazo.
Aproximadamente dos tercios de los ataques cardíacos no tienen ningún patrón revelador en el electrocardiograma. A través de esta nueva herramienta se permite la detección de pistas sutiles en el ECG que son difíciles de identificar para los médicos, de esta manera se ha producido una mejora en la clasificación de los pacientes con dolor torácico.
El modelo fue desarrollado por el coautor del estudio, Ervin Sejdić, Ph.D., profesor asociado en el Departamento de Ingeniería Eléctrica e Informática de la Universidad de Toronto, quien desarrolló el estudio a través de los datos de 4.026 pacientes con dolor torácico en tres hospitales de Pittsburgh, Estados Unidos. Posteriormente, a través de los datos de 3.287 pacientes de otro sistema hospitalario el modelo se validó externamente. Los resultados mostraron que el modelo superó a tres estándares de oro utilizados para evaluar eventos cardíacos, incluyendo la interpretación clínica experimentada del ECG y algoritmos comerciales de ECG.
"Nos sorprendió descubrir que nuestro modelo de aprendizaje automático basado únicamente en ECG superaba esta puntuación”
Para validar su estudio, a su vez evaluaron eventos cardiacos a través de la interpretación clínica experimentada del ECG, los algoritmos comerciales de ECG y la puntuación HEART, que considera el historial en la presentación, incluido el dolor y otros síntomas, la interpretación del ECG, la edad, los factores de riesgo, como fumar, diabetes, colesterol alto y niveles sanguíneos de una proteína llamada troponina. “En nuestros sueños más descabellados, esperábamos igualar la precisión de HEART, pero nos sorprendió descubrir que nuestro modelo de aprendizaje automático basado únicamente en ECG superaba esta puntuación”, dijo el profesor Al-Zaiti.
El coautor Christian Martin-Gill, MD, MPH, jefe de la división de Servicios Médicos de Emergencia (EMS) de UPMC, destacó que este algoritmo también puede ser beneficioso para el personal de los departamentos de emergencia ya que permite la identificación precisa de las personas que sufren un ataque cardíaco o tienen un flujo sanguíneo reducido hacia el corazón, lo que permitiría una mejora en toma de decisiones.
Por otro parte el jefe de la división de EMS confirma que “esta información puede ayudar a guiar las decisiones médicas de EMS, como iniciar ciertos tratamientos en el campo o alertar a los hospitales sobre la llegada de un paciente de alto riesgo”.
En la próxima fase de la investigación, el equipo está trabajando en la implementación del modelo en asociación con la Oficina de Servicios Médicos de Emergencia de la ciudad de Pittsburgh. Están desarrollando un sistema basado en la nube que se integrará con los centros de comando del hospital para recibir las lecturas de ECG de los servicios médicos de emergencia. El modelo analizará el ECG y proporcionará una evaluación de riesgo del paciente en tiempo real, lo que ayudará a guiar las decisiones médicas.
"Es emocionante que pueda ayudar a identificar a los pacientes de bajo riesgo que no necesitan ir a un hospital con un centro cardíaco especializado"
Este avance en el diagnóstico de ataques cardíacos podría tener un impacto significativo en la atención médica de emergencia y mejorar la capacidad de los médicos para identificar rápidamente a los pacientes en riesgo y proporcionarles el tratamiento adecuado de manera oportuna. La realidad es que gracias a la implementación de este modelo de aprendizaje automático, con la aceleración del diagnóstico y por lo tanto del tratamiento, es inevitable la disminución de la mortalidad por ataques cardíacos, salvando así innumerables vidas. “Es emocionante que pueda ayudar a identificar a los pacientes de bajo riesgo que no necesitan ir a un hospital con un centro cardíaco especializado, lo que podría mejorar el triaje prehospitalario", concluye Martin-Gill.