La Inteligencia Artificial mejora el seguimiento de una patología cardíaca muy común en mayores

Un grupo de investigadores del área de Enfermedades Cardiovasculares  del Centro de Investigación Biomédica en Red del Instituto de Salud Carlos III (CIBERCV), con Pedro Luis Sánchez a la cabeza, ha puesto en marcha por primera vez una inteligencia artificial cuyo objetivo es monitorear y estudiar el desarrollo de una de las patologías cardíacas más común, la estenosis aórtica.

Esta enfermedad consiste en el mal funcionamiento de la válvula aórtica, que es la puerta a través de la que la sangre sale del corazón e inicia su recorrido por todo el cuerpo, empezando precisamente por la arteria del mismo nombre. El efecto de esta valvulopatía es que, al no abrirse del todo, el flujo de sangre se reduce y el ventrículo izquierdo debe esforzarse más para conseguir que salga del corazón. Como consecuencia, la pared ventricular se endurece y se vuelve cada vez más rígida.

La estenosis aórtica afecta a alrededor del 2% de los mayores de 65 años, una frecuencia que es mayor en los hombres. Esto se debe a que una de sus causas más comunes es la acumulación de calcio en los velos valvulares a lo largo de los años, pues elimina la movilidad de los mismos. Sus síntomas son dolor torácico, dificultad respiratoria, desmayos o palpitaciones y puede llegar a causar la muerte.

La inteligencia artificial programada por los investigadores tiene por objetivo predecir cómo será la progresión de la enfermedad, ya que se trata de una patología con un desarrollo heterogéneo. El periodo en el que se pasa de un caso leve o moderado a uno grave varía mucho de una persona a otra, por lo que son necesarios numerosos exámenes periódicos. 

El estudio, que ha sido publicado en la revista científica JACC: Cardiovascular Imaging, explica cómo el machine learning puede optimizar la vigilancia del desarrollo de la patología y predecir si la enfermedad de un paciente evolucionará de leve o moderada a grave en uno, dos o tres años.

Un 49% menos de pruebas

Para poder crear el modelo de aprendizaje, se han utilizado 4.633 ecocardiogramas de 1.638 pacientes consecutivos. Después, los datos obtenidos con este calendario de vigilancia ecocardiográfica se han comparado con las recomendaciones de seguimiento de las guías europeas y estadounidenses.

El resultado observado es que el seguimiento personalizado y automatizado permite reducir el número de exámenes. Al compararlo con las recomendaciones europeas y estadounidense, se detectó una reducción del 49% del número de pruebas en el caso europeo y del 13% en el estadounidense.

Esto implica, según los investigadores, una mejora no solo en la capacidad de monitoreo y vigilancia de los pacientes, que se traduce en una mejora de los tratamientos y fármacos aplicados; sino que también supone un ahorro considerable de los recursos sanitarios al reducir el número de pruebas necesarias.

El estudio se ha llevado a cabo por científicos del CIBERCV y del Instituto de Investigación Biomédica de Salamanca (IBSAL), pero también ha participado en colaboración la empresa Philips. Tanto el IBSAL como Philips comparten la patente de esta inteligencia artificial.