Entrenamiento y validación del modelo

El equipo entrenó su modelo de aprendizaje profundo utilizando más de 440.000 ECG procedentes de Suecia, vinculados a certificados de defunción. Alimentaron al sistema con exploraciones de personas sanas, pacientes de riesgo y aquellos que posteriormente fallecieron por muerte súbita cardíaca, hasta que la IA aprendió a reconocer los patrones de ondas que predicen este desenlace . Posteriormente, validaron el modelo en miles de expedientes adicionales de pacientes tanto de Estados Unidos (región de San Diego) como de Taiwán (Taipéi) . Un artículo de Nature que acompaña al estudio confirma que el modelo se desarrolló utilizando una extensa base de datos de ECG y registros de mortalidad .

Rendimiento en la detección del riesgo

El sistema de IA identifica un grupo de alto riesgo con una tasa anual de muerte súbita cardíaca del 7%, mientras que las pruebas clínicas estándar (que miden, por ejemplo, la cantidad de sangre que el corazón expulsa por latido, la fracción de eyección) detectan un grupo de alto riesgo con solo un 4.6% de tasa anual . El modelo señala un grupo de riesgo más amplio y predice mejor quién sufrirá una muerte súbita cardíaca. Estas diferencias se traducen en miles de pacientes al año que, según las medidas convencionales, parecen tener un riesgo bajo, pero que en realidad están en peligro .

Por qué la detección ha sido tan difícil hasta ahora

La muerte súbita cardíaca, que mata a más de 300.000 personas al año en Estados Unidos, se produce cuando el sistema eléctrico del corazón deja de funcionar de repente, sin previo aviso . Obermeyer señala que existe una cura efectiva: los desfibriladores implantables, que restablecen el ritmo cardíaco con una descarga. Sin embargo, los médicos no logran determinar quién necesita uno antes de que sea demasiado tarde . El problema central es que las personas mueren de forma tan abrupta que es casi imposible saber qué estaba sucediendo en el interior del corazón justo antes del paro; las autopsias revelan detalles estructurales, pero no el funcionamiento eléctrico inmediatamente anterior a la muerte .

Próximos pasos

Los investigadores planean implementar el algoritmo en sistemas de salud para ayudar a los médicos a identificar mejor qué pacientes necesitan un desfibrilador interno . El estudio también abre la puerta a nuevas investigaciones sobre el mecanismo fisiológico subyacente a los fallos eléctricos cardíacos. Obermeyer afirmó que el objetivo es "no solo tomar mejores decisiones, sino también empezar a entender qué está pasando realmente con estos pacientes antes de que su corazón se detenga" . Dado que los electrocardiogramas son pruebas rutinarias, de bajo costo y disponibles en centros médicos de todo el mundo, esta herramienta podría aplicarse a gran escala para salvar vidas .

Entrenamiento y validación del modelo

El equipo entrenó su modelo de aprendizaje profundo utilizando más de 440.000 ECG procedentes de Suecia, vinculados a certificados de defunción. Alimentaron al sistema con exploraciones de personas sanas, pacientes de riesgo y aquellos que posteriormente fallecieron por muerte súbita cardíaca, hasta que la IA aprendió a reconocer los patrones de ondas que predicen este desenlace . Posteriormente, validaron el modelo en miles de expedientes adicionales de pacientes tanto de Estados Unidos (región de San Diego) como de Taiwán (Taipéi) . Un artículo de Nature que acompaña al estudio confirma que el modelo se desarrolló utilizando una extensa base de datos de ECG y registros de mortalidad .

Rendimiento en la detección del riesgo

El sistema de IA identifica un grupo de alto riesgo con una tasa anual de muerte súbita cardíaca del 7%, mientras que las pruebas clínicas estándar (que miden, por ejemplo, la cantidad de sangre que el corazón expulsa por latido, la fracción de eyección) detectan un grupo de alto riesgo con solo un 4.6% de tasa anual . El modelo señala un grupo de riesgo más amplio y predice mejor quién sufrirá una muerte súbita cardíaca. Estas diferencias se traducen en miles de pacientes al año que, según las medidas convencionales, parecen tener un riesgo bajo, pero que en realidad están en peligro .

Por qué la detección ha sido tan difícil hasta ahora

La muerte súbita cardíaca, que mata a más de 300.000 personas al año en Estados Unidos, se produce cuando el sistema eléctrico del corazón deja de funcionar de repente, sin previo aviso . Obermeyer señala que existe una cura efectiva: los desfibriladores implantables, que restablecen el ritmo cardíaco con una descarga. Sin embargo, los médicos no logran determinar quién necesita uno antes de que sea demasiado tarde . El problema central es que las personas mueren de forma tan abrupta que es casi imposible saber qué estaba sucediendo en el interior del corazón justo antes del paro; las autopsias revelan detalles estructurales, pero no el funcionamiento eléctrico inmediatamente anterior a la muerte .

Próximos pasos

Los investigadores planean implementar el algoritmo en sistemas de salud para ayudar a los médicos a identificar mejor qué pacientes necesitan un desfibrilador interno . El estudio también abre la puerta a nuevas investigaciones sobre el mecanismo fisiológico subyacente a los fallos eléctricos cardíacos. Obermeyer afirmó que el objetivo es "no solo tomar mejores decisiones, sino también empezar a entender qué está pasando realmente con estos pacientes antes de que su corazón se detenga" . Dado que los electrocardiogramas son pruebas rutinarias, de bajo costo y disponibles en centros médicos de todo el mundo, esta herramienta podría aplicarse a gran escala para salvar vidas .