Los científicos descubren una señal cardíaca oculta que puede predecir la muerte cardíaca súbita: ScienceAlert

El corazón humano late unas 100.000 veces al día. Es la palpitante cadencia de la vida lo que te hace posible.

Hasta que no lo haga.

Cada año, más de 350.000 personas en los EE. UU. sufren un paro cardíaco repentino e inesperado. La mayoría nunca llega a un hospital.

Las muertes se clasifican como muerte cardíaca súbita, generalmente definida como muerte súbita e inesperada dentro de una hora debido a una causa relacionada con el corazón.

Se estima que la muerte cardíaca súbita cobra hasta 300.000 vidas estadounidenses cada año y se cree que es responsable de hasta el 15 por ciento de todas las muertes en todo el mundo.

Pero hay una manera de predecir y potencialmente prevenir muchas de estas muertes, revela un estudio reciente en Nature.

Si bien los desfibriladores implantables pueden detectar y corregir arritmias cardíacas peligrosas antes de que se conviertan en casos fatales de ECF, es difícil para los médicos saber quién debe recibirlos.

Nuestro mejor sistema actual intenta identificar a los pacientes de mayor riesgo mediante el uso de ultrasonido para evaluar el flujo sanguíneo, utilizando una medición llamada fracción de eyección del ventrículo izquierdo (FEVI).

Pero la FEVI no logra identificar a muchos pacientes que luego experimentan MSC, y también señala a muchas personas que nunca terminan necesitando desfibriladores para salvar sus vidas.

Resulta que podría haber una nueva y poderosa forma de identificar a los pacientes que la FEVI pasa por alto.

“Tenemos la cura para este problema”, afirma el médico e investigador en inteligencia artificial Ziad Obermeyer de la Universidad de California en Berkeley.

“Si supieras que eres una de las personas que van a morir, irías a un cardiólogo y te implantarían un desfibrilador. El problema es que los médicos no pueden determinar quién necesita uno antes de que sea demasiado tarde”.

En su estudio, Obermeyer y sus colegas investigadores entrenaron un modelo de aprendizaje profundo para reconocer patrones eléctricos asociados con la ECF, basándose en una colección de más de 440.000 registros de electrocardiogramas (ECG) procedentes de Suecia, y también probaron su sistema de inteligencia artificial con datos de ECG de casi 140.000 pacientes en EE. UU., además de un grupo más pequeño de pacientes de Taiwán.

Los investigadores encontraron evidencia de una señal de biomarcador que nunca antes se había identificado. (Vértigo3d/Getty Images)

El beneficio de los ECG es que son un sistema de prueba no invasivo y de costo relativamente bajo, capaz de registrar la actividad eléctrica del corazón a partir de electrodos colocados en la piel del paciente.

“El aprendizaje profundo aplicado a los ECG podría proporcionar lo mejor de ambos mundos: una imagen estandarizada, gratuita y ampliamente disponible que puede introducirse directamente en un clasificador, prediciendo el riesgo sin intervención humana”, escriben los investigadores en su artículo.

Como muestran los resultados, el concepto es prometedor.

A partir del estudio de la gran cantidad de patrones en los datos del ECG, el sistema de IA identificó un grupo de pacientes de alto riesgo que comprendía el 2,2 por ciento de la muestra sueca.

Este grupo de alto riesgo tuvo una tasa del 7 por ciento de muerte cardíaca súbita durante el año siguiente. Por el contrario, la FEVI señaló a un grupo más pequeño como de alto riesgo (1,9 por ciento de la muestra), y menos de ellos desarrollaron ECF (4,6 por ciento en un año).

Pero sólo una pequeña fracción de los grupos de alto riesgo se superpusieron entre los dos sistemas de medición, y los investigadores observaron que la FEVI no logró identificar el 86,1 por ciento de los pacientes de alto riesgo detectados por la IA.

Esos hallazgos podrían tener implicaciones para salvar vidas. Entre los pacientes de alto riesgo identificados por la IA, aquellos con desfibriladores implantados tuvieron una tasa de muerte cardíaca súbita un 54,4 por ciento menor de lo esperado estadísticamente, lo que sugiere que los dispositivos podrían prevenir algunas muertes en este grupo.

Si bien los hallazgos son observacionales y no establecen que los desfibriladores provocaron la reducción, podrían ser una nueva pista importante para futuras investigaciones.

“En la práctica, los pacientes de alto riesgo parecen representar una población nueva, previamente insospechada, con muertes frecuentes y evitables”, escriben los autores del estudio.

Pero eso no es todo lo que encontró el equipo.

Cuando los investigadores utilizaron un segundo modelo de IA para visualizar los patrones eléctricos asociados con un mayor riesgo, descubrieron algo más: una característica de forma de onda no descrita anteriormente que predice de forma independiente la ECF.

Según los científicos, un “golpe descendente confuso” observado en los datos de forma de onda de pacientes de alto riesgo podría ser un signo de problema cardíaco inminente, posiblemente derivado de fibrosis (cicatrización) en el músculo cardíaco, que puede interrumpir la transmisión de impulsos eléctricos en el corazón.

“El hecho de que un enfoque de aprendizaje automático pueda revelar un patrón nunca antes visto en datos tan familiares demuestra una lección más amplia: el aprendizaje profundo, cuando se combina con herramientas complementarias apropiadas, puede ir más allá de la predicción y hacia el descubrimiento científico”, escribe Changxin Lai, ingeniero biomédico de la Universidad Johns Hopkins, que no participó en el estudio, pero es autor de un comentario sobre la investigación.

“Los ECG se han leído clínicamente durante más de un siglo, pero este trabajo demuestra que incluso los datos más estudiados podrían contener mensajes no leídos”.

Los hallazgos se informan en Nature.

Este artículo fue verificado por Fiona MacDonald y editado por Fiona MacDonald. Si bien nos enorgullecemos de nuestro proceso, somos humanos. Si detecta un error, háganoslo saber.