¿Podrían los ECG ayudar a los médicos a utilizar la inteligencia fabricado para detectar embolias pulmonares? – Ciencia diaria

0


Las embolias pulmonares son coágulos peligrosos de manchas que obstruyen los pulmones. En un estudio piloto, científicos de la Escuela de Medicina Icahn de Mount Sinai demostraron por primera vez que los algoritmos de inteligencia artificial (IA) pueden detectar signos de estos coágulos en electrocardiogramas (ECG), un descubrimiento que algún día podría ayudar a los médicos con la detección.

Los resultados publicados en el European Heart Journal – Salud digital sugirió que los nuevos algoritmos de aprendizaje automático, diseñados para aprovechar una combinación de datos de ECG y registros de salud electrónicos (HCE), pueden ser más efectivos que las pruebas de detección que se utilizan actualmente para determinar si los pacientes de riesgo moderado a alto realmente tienen embolias pulmonares.

El estudio fue dirigido por Sulaiman S. Somani, MD, ex estudiante de medicina en el laboratorio de Benjamin S. Glicksberg, PhD, profesor asistente de genética y ciencias genómicas y miembro del Instituto Hasso Plattner de Salud Digital en el Monte Sinaí.

Las embolias pulmonares ocurren cuando los coágulos sanguíneos profundos de las venas, generalmente formados en las piernas o los brazos, se desprenden y obstruyen las arterias pulmonares. Estos coágulos pueden ser fatales o causar daño pulmonar a largo plazo. Aunque algunos pacientes pueden experimentar dificultad para respirar o dolor en el pecho, estos síntomas también pueden indicar otros problemas que no tienen nada que ver con los coágulos de sangre, lo que dificulta que los médicos diagnostiquen y traten adecuadamente los casos. Además, los diagnósticos oficiales actuales se basan en angiografías pulmonares por tomografía computarizada (CTPA), que son exploraciones de tórax que requieren mucho tiempo y que solo se pueden realizar en hospitales seleccionados y requieren que los pacientes estén expuestos a niveles de radiación potencialmente peligrosos.

Para que los diagnósticos sean más fáciles y accesibles, los investigadores han pasado más de 20 años desarrollando programas informáticos avanzados, o algoritmos, diseñados para ayudar a los médicos a determinar si los pacientes en riesgo realmente están experimentando una embolia pulmonar. Los resultados fueron mixtos. Por ejemplo, los algoritmos que utilizaron EHR han producido una amplia gama de tasas de éxito para la detección precisa de coágulos y pueden llevar mucho tiempo. Mientras tanto, los más precisos dependen en gran medida de los datos de CTPA.

En este estudio, los investigadores encontraron que los algoritmos de fusión basados ​​en datos de ECG y EHR pueden ser una alternativa eficaz, porque los ECG están ampliamente disponibles y son relativamente fáciles de administrar.

Los investigadores crearon y probaron varios algoritmos con datos de 21.183 pacientes del Mount Sinai Health System que mostraban signos de moderada a muy sospecha de embolia pulmonar. Si bien algunos algoritmos se diseñaron para usar datos de ECG para detectar embolias pulmonares, otros se diseñaron para usar datos de EHR. En cada situación, el algoritmo aprendió a identificar un caso de embolia pulmonar comparando los datos de ECG o EHR con los resultados de CTPA correspondientes. Finalmente, se creó un tercer algoritmo de fusión combinando el algoritmo de ECG de mejor rendimiento con el algoritmo de EHR de mejor rendimiento.

Los resultados mostraron que el modelo de fusión no solo superó los algoritmos de sus padres, sino que también fue mejor para identificar casos específicos de embolia pulmonar que la puntuación revisada de Ginebra de Wells y otras tres pruebas de detección que se utilizan actualmente. Los investigadores estimaron que el modelo de fusión fue entre un 15 y un 30 por ciento más efectivo para detectar con precisión los casos de embolia aguda, y el modelo funcionó mejor para predecir casos más graves. Además, la precisión del modelo de fusión se mantuvo constante independientemente de si se evaluó la raza o el género como factor, lo que sugiere que podría ser útil para la detección de una variedad de pacientes.

Según los autores, estos hallazgos apoyan la teoría de que los datos de ECG se pueden incorporar de manera efectiva en nuevos algoritmos de detección de embolia pulmonar. Planean desarrollar más y probar estos algoritmos para su posible utilidad en la clínica.

Este estudio fue apoyado por los Institutos Nacionales de Salud (TR001433).

También podría gustarte
Deja una respuesta

Su dirección de correo electrónico no será publicada.

This website uses cookies to improve your experience. We'll assume you're ok with this, but you can opt-out if you wish. Accept Read More