Desarrollado y validado externamente, un nuevo modelo de inteligencia artificial identifica obstrucciones cardíacas en pacientes con miocardiopatía hipertrófica sin requerir imágenes especializadas con Doppler.
Por: Rodrigo Pujol Del Toro ([email protected])
Investigadores de Mayo Clinic han desarrollado un innovador modelo de inteligencia artificial (IA) capaz de detectar obstrucciones cardíacas significativas a partir de videos ecográficos convencionales, eliminando la dependencia de imágenes especializadas con Doppler. La tecnología, cuyos resultados se publicaron en la revista Circulation: Cardiovascular Imaging, busca facilitar la identificación temprana de pacientes con miocardiopatía hipertrófica (MCH) que requieren evaluaciones y pruebas confirmatorias adicionales, especialmente en entornos clínicos con recursos o experiencia especializada limitados.
La MCH es una afección genética que provoca un engrosamiento anormal del músculo cardíaco. Cerca de dos terceras partes de estos pacientes desarrollan una obstrucción del tracto de salida del ventrículo izquierdo (TSVI), la cual restringe el flujo sanguíneo y desencadena síntomas como dolor torácico y dificultad para respirar. Conocer este riesgo resulta fundamental para definir el manejo médico a largo plazo.
Patrones Ocultos e Identificación Temprana
Tradicionalmente, la medición de la obstrucción de la TSVI exige una ecocardiografía Doppler, un procedimiento que demanda alta precisión en la alineación del ultrasonido y experiencia técnica. Según Imon Banerjee, Ph.D., investigadora de IA de Mayo Clinic en Phoenix y autora principal del estudio, el objetivo principal fue comprobar si la IA podía reconocer patrones sutiles imperceptibles para el ojo humano en videos ecográficos en modo B de rutina.
Para el desarrollo y validación del sistema se analizaron datos de 1.833 pacientes en la cohorte de Mayo Clinic, realizándose pruebas adicionales en 275 pacientes y una validación externa con 46 pacientes de un hospital en Corea del Sur. Entre los hallazgos clave destacan:
- Vistas combinadas: Integrar información de tres vistas ecográficas estándar optimizó la capacidad predictiva del modelo frente a gradientes elevados en la TSVI.
- Detección de estrés: El sistema demostró utilidad para advertir obstrucciones que únicamente se manifiestan cuando el corazón se encuentra bajo estrés.
- Rendimiento superior: En un subconjunto evaluado, la IA identificó obstrucciones con mayor precisión que dos ecocardiografistas expertos que revisaron las mismas imágenes sin Doppler.
Un Complemento para la Práctica Clínica
Los creadores enfatizan que esta herramienta no busca reemplazar la ecocardiografía Doppler, sino actuar como un aliado clínico que acelera la detección oportuna y guía la derivación a centros especializados. De igual forma, el modelo abre la puerta a su uso en ecógrafos portátiles o regiones donde las valoraciones integrales con Doppler no están disponibles de forma inmediata.
Próximamente, el equipo de investigación planea avanzar hacia una validación prospectiva en poblaciones más amplias y diversas plataformas tecnológicas.
#MayoClinic #InteligenciaArtificial #SaludCardiovascular #Cardiologia #InnovacionMedica #TecnologiaEnSalud #NomadaCapital