IA y Electrocardiograma (ECG): un modelo de aprendizaje automático para el diagnóstico de precisión del infarto «oculto» (OMI)
El electrocardiograma (ECG) es la prueba fundamental para evaluar a los pacientes cuando llegar con dolor torácico a urgencias. Sin embargo, hasta ahora, la interpretación de los ECG está sujeta a un margen de error humano, pudiendo provocar retrasos en el diagnóstico de infartos «ocultos» (OMI) que requieren tratamiento inmediato.
Un reciente estudio publicado en Nature Medicine presenta una estrategia pionera basada en inteligencia artificial para superar estas limitaciones. Los investigadores han desarrollado un modelo de aprendizaje automático (machine learning) entrenado para identificar señales sutiles de isquemia que el ojo humano no suele percibir. El objetivo de esta técnica es proporcionar una herramienta que identifique de forma temprana a los pacientes con alto riesgo de infarto, incluso cuando no presentan los signos clínicos comúnmente establecidos.
En el estudio se ha demostrado que, al combinar la potencia de la IA con la experiencia de los profesionales se logró identificar correctamente a uno de cada tres potenciales pacientes que podrían desarrollar un infarto oculto que inicialmente no habrían sido diagnosticados, permitiendo que aquellos pacientes que necesitaban un cateterismo urgente pudieran ser tratados de una forma más rápida.
Este avance abre una nueva vía en la Medicina Personalizada de Precisión, al permitir el paso de una evaluación subjetiva a una estrategia de diagnóstico impulsada por datos. Esto significa que, en el futuro, la integración de estos modelos predictivos en la práctica clínica permitirá no solo reducir los errores diagnósticos, sino también agilizar el acceso al tratamiento para pacientes con infartos difíciles de detectar, mejorando así sus posibilidades de supervivencia y recuperación.
Bibliografía: Al-Zaiti, SS, Martin-Gill, C., Zègre-Hemsey, JK et al. Aprendizaje automático para el diagnóstico electrocardiográfico y la estratificación del riesgo de infarto de miocardio por oclusión. Nat Med 29, 1804-1813 (2023). https://doi.org/10.1038/s41591-023-02396-3
Un reciente estudio publicado en Nature Medicine presenta una estrategia pionera basada en inteligencia artificial para superar estas limitaciones. Los investigadores han desarrollado un modelo de aprendizaje automático (machine learning) entrenado para identificar señales sutiles de isquemia que el ojo humano no suele percibir. El objetivo de esta técnica es proporcionar una herramienta que identifique de forma temprana a los pacientes con alto riesgo de infarto, incluso cuando no presentan los signos clínicos comúnmente establecidos.
En el estudio se ha demostrado que, al combinar la potencia de la IA con la experiencia de los profesionales se logró identificar correctamente a uno de cada tres potenciales pacientes que podrían desarrollar un infarto oculto que inicialmente no habrían sido diagnosticados, permitiendo que aquellos pacientes que necesitaban un cateterismo urgente pudieran ser tratados de una forma más rápida.
Este avance abre una nueva vía en la Medicina Personalizada de Precisión, al permitir el paso de una evaluación subjetiva a una estrategia de diagnóstico impulsada por datos. Esto significa que, en el futuro, la integración de estos modelos predictivos en la práctica clínica permitirá no solo reducir los errores diagnósticos, sino también agilizar el acceso al tratamiento para pacientes con infartos difíciles de detectar, mejorando así sus posibilidades de supervivencia y recuperación.
Bibliografía: Al-Zaiti, SS, Martin-Gill, C., Zègre-Hemsey, JK et al. Aprendizaje automático para el diagnóstico electrocardiográfico y la estratificación del riesgo de infarto de miocardio por oclusión. Nat Med 29, 1804-1813 (2023). https://doi.org/10.1038/s41591-023-02396-3
También te puede interesar...
