La tecnología sanitaria móvil para detectar la fibrilación auricular genera una alta tasa de falsos positivos y resultados no concluyentes en algunos pacientes con determinadas afecciones cardíacas, informan investigadores en el Canadian Journal of Cardiology

Los dispositivos electrónicos cardiovasculares pueden aumentar la detección de fibrilación auricular (FA), pero tienen limitaciones que incluyen una duración corta de la batería y la falta de retroalimentación inmediata.

¿Pueden las nuevas herramientas de los teléfonos inteligentes que pueden registrar una tira de electrocardiograma (ECG) y realizar un diagnóstico automatizado superar estas limitaciones y facilitar el diagnóstico oportuno?

El estudio más grande hasta la fecha, en el Canadian Journal of Cardiology encuentra que el uso de estos dispositivos es un desafío en pacientes con ECG anormales. Los investigadores afirman que mejores algoritmos y aprendizaje automático pueden ayudar a que estas herramientas proporcionen diagnósticos más precisos. "Estudios anteriores han validado la precisión del Apple Watch para el diagnóstico de FA en un número limitado de pacientes con perfiles clínicos similares", explicó el investigador principal Marc Strik, MD, PhD, Instituto LIRYC, Hospital Universitario de Burdeos, Burdeos, Francia.

"Probamos la precisión de la aplicación Apple Watch ECG para detectar fibrilación auricular (FA) en pacientes con una variedad de anomalías ECG coexistentes". El estudio incluyó a 734 pacientes hospitalizados consecutivos. A cada paciente se le realizó un ECG de 12 derivaciones, seguido inmediatamente por una grabación de 30 segundos en el Apple Watch. Las detecciones automatizadas de AF de ECG de derivación única del reloj inteligente se clasificaron como "sin signos de fibrilación auricular", "fibrilación auricular" o "lectura no concluyente".

Las grabaciones del reloj inteligente se entregaron a un electrofisiólogo, quien realizó una interpretación ciega, asignando a cada seguimiento un diagnóstico de "FA", "ausencia de FA" o "diagnóstico poco claro". Un segundo electrofisiólogo ciego interpretó 100 trazados seleccionados al azar para determinar hasta qué punto coincidían los observadores.

En aproximadamente uno de cada cinco pacientes, el ECG del reloj inteligente no logró producir un diagnóstico automático. El riesgo de tener un falso positivo en la detección automatizada de FA fue mayor en pacientes con contracciones auriculares y ventriculares prematuras (PAC/PVC), disfunción del nódulo sinusal y bloqueo auriculoventricular de segundo o tercer grado.

Para los pacientes con fibrilación auricular (FA), el riesgo de tener un trazado falso negativo (FA omitida) fue mayor para los pacientes con anomalías de la conducción ventricular (retraso de la conducción interventricular) o ritmos controlados por un marcapasos implantado.

Los electrofisiólogos cardíacos tuvieron un alto nivel de acuerdo para la diferenciación entre FA y no FA.

La aplicación para teléfonos inteligentes identificó correctamente al 78% de los pacientes que tenían FA y al 81% que no la tenían. Los electrofisiólogos identificaron al 97% de los pacientes que tenían FA y al 89% que no.

Figura: Ejemplo de electrocardiogramas (ECG) falso positivo (no se pudo diagnosticar un ECG normal en un paciente sin FA) causado por la aparición de complejos prematuros o bradicardia y falso negativo (no se pudo detectar FA en un paciente con FA) ECG causado por complejos QRS anchos y estimulación ventricular (Crédito: Canadian Journal of Cardiology).

Los pacientes con extrasístoles ventriculares (EV) tenían tres veces más probabilidades de tener diagnósticos de FA falsos positivos en el ECG del reloj inteligente, y la identificación de pacientes con taquicardia auricular (TA) y aleteo auricular (AFL) fue muy deficiente.

"Estas observaciones no son sorprendentes, ya que los algoritmos de detección automatizada de los relojes inteligentes se basan únicamente en la variabilidad del ciclo", señaló el Dr. Strik, explicando que las extrasístoles ventriculares (EV) causan ciclos cortos y largos, lo que aumenta la variabilidad del ciclo. “Idealmente, un algoritmo discriminaría mejor entre extrasístoles ventriculares (EV) y FA. Cualquier algoritmo limitado al análisis de la variabilidad del ciclo tendrá poca precisión en la detección. Los enfoques de aprendizaje automático pueden aumentar la precisión de la detección de FA del reloj inteligente en estos pacientes”.

En un editorial adjunto, Andrés F. Miranda-Arboleda, MD, y Adrian Baranchuk, MD, División de Cardiología, Kingston Health Science Center, Kingston, ON, Canadá, observaron que este es el primer estudio del “mundo real” que se centra en el uso del Apple Watch como herramienta de diagnóstico de FA. “Es de notable importancia porque nos permitió saber que el rendimiento del Apple Watch en el diagnóstico de FA se ve significativamente afectado por la presencia de anomalías subyacentes en el ECG. En cierto modo, los algoritmos de los relojes inteligentes para la detección de FA en pacientes con enfermedades cardiovasculares aún no son lo suficientemente inteligentes. Pero es posible que pronto lo sean”, dijeron la Dra. Miranda-Arboleda y el Dr. Baranchuk. "Con el creciente uso de relojes inteligentes en medicina, es importante saber qué condiciones médicas y anomalías del ECG podrían afectar y alterar la detección de FA mediante el reloj inteligente para optimizar la atención de nuestros pacientes", dijo el Dr. Strik. d. "La detección de FA con relojes inteligentes tiene un gran potencial, pero es más difícil en pacientes con enfermedades cardíacas preexistentes".