El estudio desarrollado por investigadores del CIBER de Enfermedades Cardiovasculares (CIBERCV), del Hospital Universitario de La Princesa y de la Universidad Autónoma de Madrid (UAM), ha confirmado que los datos de un electrocardiograma (ECG) registrado durante el ritmo sinusal normal (ritmo cardiaco normal) podrían ser suficientes para detectar el riesgo de sufrir fibrilación auricular en el futuro o para diagnosticar casos asintomáticos gracias a la inteligencia artificial.
La fibrilación articular es el tipo de arritmia más prevalente y además puede estar asociada a accidentes cerebrovasculares, insuficiencia cardiaca y otras complicaciones del corazón. Se estima que en España alcanza el 17% en los mayores de 80 años, es silenciosa hasta en un 30% de los casos, y frecuentemente se diagnostica cuando ya se ha producido la primera complicación cardiovascular
"La capacidad de un modelo de aprendizaje automático para eliminar la interpretación subjetiva o posibles errores humanos puede cambiar el panorama de cómo se maneja a estos pacientes"
Por esta razón es tan necesario el desarrollo de intervenciones que permitan detectar estas arritmias de forma temprana, y así reducir los riesgos. Una de las técnicas más utilizada es el big data, que permite también en el ámbito de la cardiología, el análisis masivo de datos clínicos.
Los científicos de este trabajo ya habían validado en un anterior estudio, publicado en la revista 'Heart', un modelo de predicción global y una puntuación de riesgo para el desarrollo de fibrilación auricular utilizando biomarcadores extraídos por evaluación automática de ECGsy. En el actual, los investigadores han analizado datos de una gran cohorte de 122.394 pacientes del Hospital Universitario la Princesa de Madrid, con los que evaluaron comparativamente seis modelos de análisis electrocardiográfico basados en inteligencia artificial para identificar rasgos sutiles que puedan anticipar una fibrilación auricular.
El investigador del CIBERCV y del Hospital de la Princesa de Madrid, L. Jesús Jiménez Borreguero, explica que este análisis “conduce a la implementación de predictores de fibrilación auricular mejorados por inteligencia artificial, más confiables y fiables”.
En referencia a los distintos tipos de pacientes según su edad, los investigadores resaltaban que “la edad de los pacientes es un aspecto clave a tener en cuenta antes de aplicar modelos basados en inteligencia artificial para obtener resultados significativos, el estudio confirma la mayor facilidad para predecir la fibrilación auricular con estas técnicas de big data en pacientes ancianos y varones”.
“La posibilidad de identificar a los pacientes con fibrilación auricular subclínica o con alto riesgo de desarrollarla en función de puntuaciones de riesgo clínico o de un electrocardiogramas de ritmo sinusal es muy prometedora, y la capacidad de un modelo de aprendizaje automático para eliminar la interpretación subjetiva o posibles errores humanos puede cambiar el panorama de cómo se maneja a estos pacientes, estos estudios representan un paso importante en el camino hacia el cribado individualizado de la fibrilación auricular y la predicción del riesgo”, concluyen los investigadores.