Investigadores vinculados a la Escuela de Medicina de la Universidad de Washington, desarrollaron modelos de inteligencia artificial (IA) capaces de analizar los registros electrónicos de salud (EHR) y los electrocardiogramas (EKG) para identificar a personas de la población general con un riesgo elevado de paro cardíaco súbito.
Se indica en la reseña del estudio que esta es una condición que causa más de 400,000 muertes anuales en Estados Unidos y cuya tasa de supervivencia es de solo 10%, por lo que “este hallazgo representa un avance significativo en la predicción de una emergencia médica ampliamente impredecible, que a menudo afecta a personas sin enfermedad cardíaca conocida”.
“Usando aplicaciones de inteligencia artificial y datos de historiales clínicos, la predicción de paro cardíaco en la población general es factible”, sostuvo el Dr. Neal Chatterjee, investigador principal y cardiólogo, de la University of Washington School of Medicine
Se informó que la población analizada incluyó aproximadamente 1.7 millones de pacientes de un gran sistema de salud estadounidense. Se desarrollaron tres modelos de IA con conjuntos de datos independientes: uno basado solo en EKG, otro basado solo en EHR (que evaluó 156 características clínicas de los registros) y un modelo combinado que integró ambos tipos de datos.
validaron el modelo de IA con tres grupos de pacientes:
- Cohorte de entrenamiento: Se entrenaron los modelos con datos de 993 personas que sufrieron un paro cardíaco extrahospitalario entre 2013 y 2021, y 5,479 controles emparejados por edad y sexo que no lo experimentaron. Este grupo permitió que los modelos aprendieran a reconocer patrones en los EHR y EKG asociados con mayor riesgo.
- Cohorte de prueba: Para verificar la precisión de los modelos, se aplicaron a un grupo independiente de 463 casos de paro cardíaco de 2022–2023 y 2,979 controles. Los resultados mostraron que las asociaciones de riesgo fueron consistentes con las observadas en la cohorte de entrenamiento.
- Cohorte del mundo real: Incluyó 39,911 personas que recibieron un EKG en 2021, sin importar su estado de salud. Los investigadores analizaron los registros de quienes sufrieron un paro cardíaco en los dos años siguientes para evaluar qué tan bien coincidían con los perfiles de riesgo generados por los modelos.
En esta cohorte del mundo real, el modelo combinado EHR‑EKG predijo correctamente a 153 de 228 personas clasificadas como de alto riesgo que posteriormente sufrieron un paro cardíaco.
“Con estos modelos, podemos enriquecer la predicción de riesgo de aproximadamente 1 en 1,000 a 1 en 100”, dijo Chatterjee. “Si tu médico te dijera que tu riesgo de paro cardíaco es 1 en 100, eso llamaría tu atención. Estamos llevando un riesgo teórico a un enfoque más concreto”.
Otro hallazgo prometedor fue que el análisis de EKG mejorado con IA mostró una capacidad predictiva sólida, solo ligeramente inferior a la de los modelos que incorporaban datos de EHR.
Se informó que, aunque los hallazgos demuestran la viabilidad de la predicción de riesgo, Chatterjee enfatizó que aún se necesita más investigación para determinar las respuestas clínicas adecuadas cuando un modelo identifica un riesgo elevado.
“Necesitamos determinar qué estudios de seguimiento realizar para entender qué hacer con esta información del paciente. Qué pruebas, qué vigilancia, qué intervención corresponde”, dijo.
Se advirtió que el estudio presenta limitaciones importantes ya que todos los datos provienen de un único sistema de salud, por lo que no se sabe si los resultados se generalizan a otras poblaciones con diferentes características demográficas y patrones de atención. Además, la cohorte del mundo real se limitó a personas que recibieron un EKG, quienes podrían diferir de quienes no lo reciben.
