Las novedades día a día | 16 NOV 19

Sesiones Científicas AHA 2019

Uno de los encuentros más importantes de la agenda científica mundial convoca a expertos para una puesta el día acerca de las enfermedades cardiovasculares
92
29
Fuente: IntraMed 
Inteligencia Artificial: arritmias

La inteligencia artificial que examina los ECG predice arritmias y riesgo de muerte

Aspectos destacados de investigación:

  • Los científicos entrenaron una computadora (una red neuronal o inteligencia artificial) para evaluar los electrocardiogramas (ECG) para predecir qué pacientes tienen probabilidades de desarrollar latidos cardíacos irregulares, incluso cuando los médicos interpretaron los resultados de la prueba como normales.
     
  • Los investigadores también crearon una red neuronal para examinar los ECG para identificar a los pacientes con mayor riesgo de morir por cualquier causa dentro del próximo año.

DALLAS

La inteligencia artificial puede examinar los resultados de las pruebas de electrocardiograma (ECG) para identificar a los pacientes con mayor riesgo de desarrollar latidos cardíacos irregulares potencialmente peligrosos (arritmia) o de morir dentro del próximo año, según dos estudios preliminares.

Los investigadores utilizaron más de 2 millones de resultados de ECG de más de tres décadas de registros médicos archivados en el Sistema de Salud Geisinger de Pensilvania / Nueva Jersey para entrenar redes neuronales profundas: estructuras computacionales avanzadas de varias capas. Ambos estudios, del mismo grupo de investigadores, se encuentran entre los primeros en utilizar la inteligencia artificial para predecir eventos futuros de un ECG en lugar de detectar problemas de salud actuales, anotaron los científicos.

"Esto es emocionante y proporciona más evidencia de que estamos al borde de una revolución en la medicina, donde las computadoras trabajarán junto con los médicos para mejorar la atención al paciente", dijo Brandon Fornwalt, MD, Ph.D., autor principal de ambos estudios y asociado. profesor y presidente del Departamento de Ciencia e Innovación de Imágenes en Geisinger en Danville, Pennsylvania.

Una red neuronal profunda para predecir la fibrilación auricular incidente directamente a partir de trazas de electrocardiograma de 12 derivaciones (Presentación de póster MDP106)

Los investigadores especularon que un modelo de aprendizaje profundo podría predecir ritmos cardíacos irregulares, fibrilación auricular (FA), antes de que se desarrolle.

La fibrilación auricular se asocia con un mayor riesgo de accidente cerebrovascular y ataque cardíaco. Centrándose en 1.1 millones de ECG que no indicaban la presencia de FA en más de 237.000 pacientes, los investigadores usaron hardware computacional altamente especializado para entrenar una red neuronal profunda para analizar 15 segmentos de datos - 30,000 puntos de datos - para cada ECG.

Los investigadores encontraron que dentro del 1% superior de los pacientes de alto riesgo, según lo predicho por la red neuronal, 1 de cada 3 personas fue diagnosticada con FA dentro de un año. Las predicciones del modelo también demostraron una importancia pronóstica a más largo plazo, ya que los pacientes que predijeron desarrollar FA a 1 año tenían una tasa de riesgo 45% mayor en el desarrollo de FA durante el seguimiento de 25 años que los otros pacientes.

"Actualmente, existen métodos limitados para identificar qué pacientes desarrollarán FA dentro del próximo año, por lo que, muchas veces, el primer signo de FA es un accidente cerebrovascular", dijo el autor principal Christopher Haggerty, Ph.D., profesor asistente en Departamento de Ciencia e Innovación de Imágenes de Geisinger. "Esperamos que este modelo pueda usarse para identificar a los pacientes con fibrilación auricular muy temprano para que puedan ser tratados para prevenir un accidente cerebrovascular".

Jennifer Hall, Ph.D., Jefa del Instituto de Medicina Cardiovascular de Precisión de la Asociación Americana del Corazón, señaló que el aprendizaje profundo es "excelente como otra forma para  nuestro campo de la medicina cardiovascular para poder ayudar a los pacientes y ayudarlos a comprender el riesgo de accidente cerebrovascular ".

"Ser capaz de comprender quién está en riesgo de tener fibrilación auricular nos ayuda a comprender quién puede estar en riesgo de sufrir un derrame cerebral y luego tratar a estas personas y prevenir tanto la fibrilación auricular como quizás un derrame cerebral en camino" dijo. "Tener estas técnicas al alcance de la mano y tener técnicas más precisas para descubrir la posible fibrilación auricular ahora o en el futuro, es absolutamente tremendo".

Las redes neuronales profundas pueden predecir la mortalidad a un año directamente de la señal de ECG incluso cuando se interpretan clínicamente como normales (Presentación oral 119)

Para ayudar a identificar a los pacientes con más probabilidades de morir por cualquier causa dentro de un año, los investigadores de Geisinger analizaron los resultados de 1.77 millones de ECG y otros registros de casi 400.,000 pacientes.

El equipo utilizó estos datos para comparar modelos basados ??en el aprendizaje automático que analizaron directamente las señales crudas de ECG o se basaron en medidas agregadas derivadas de humanos (características estándar de ECG generalmente registradas por un cardiólogo) y patrones de enfermedad comúnmente diagnosticados.

Se encontró que el modelo de red neuronal que analizaba directamente las señales de ECG era superior para predecir el riesgo de muerte a 1 año.

Sorprendentemente, la red neuronal fue capaz de predecir con precisión el riesgo de muerte incluso en pacientes que un médico considera que tienen un ECG normal. Tres cardiólogos revisaron por separado los ECG que primero se habían leído como normales, y generalmente no pudieron reconocer los patrones de riesgo que detectó la red neuronal, dijeron los investigadores. "Este es el hallazgo más importante de este estudio", dijo Fornwalt, quien codirige el Laboratorio de Tecnología de Imagen Cardíaca de Geisinger con Haggerty. "Esto podría alterar por completo la forma en que interpretamos los ECG en el futuro".

Si bien la vasta base de datos de Geisinger es una fortaleza clave de ambos estudios, los hallazgos deberían ser probados en sitios fuera de Geisinger, anotaron los investigadores. “Incorporar estos modelos en el análisis de ECG de rutina sería simple. Sin embargo, desarrollar planes de atención apropiados para pacientes basados ??en predicciones de computadora sería un desafío mayor ", dijo el autor principal Sushravya Raghunath, Ph.D. Los investigadores ahora están probando si las predicciones pueden usarse para mejorar los resultados de salud.

Los coautores adicionales para ambos estudios son Alvaro Ulloa Cerna, Ph.D .; Linyuan Jing, Ph.D .; David vanMaanen, M.S .; Joshua Victor Stough, Ph.D .; Dustin Hartzel, B.S .; Joseph Leader, B.A .; y Christopher Good, D.O. Otros coautores de la Presentación 119 son H. Lester Kirchner, Ph.D .; Aalpen Patel, M.D .; Brian P. Delisle, Ph.D .; Amro Alsaid, M.D .; y Dominik Beer, D.O. Las divulgaciones de los autores están en el resumen.

Este trabajo fue apoyado en parte por fondos del Departamento de Salud de Pensilvania, un Premio al Catalizador Competitivo de la Asociación Americana del Corazón y el Plan y Clínica de Salud Geisinger.

 

Comentarios

Usted debe ingresar al sitio con su cuenta de usuario IntraMed para ver los comentarios de sus colegas o para expresar su opinión. Si ya tiene una cuenta IntraMed o desea registrase, ingrese aquí

Contenidos relacionados
Los editores le recomiendan continuar con las siguientes lecturas: