Compartir
La inteligencia artificial sigue metiéndose de a poco en el consultorio y esta vez le tocó el turno a la cardiología. Un equipo de Mayo Clinic desarrolló un modelo capaz de reconocer, en ecografías cardíacas de rutina, señales compatibles con una obstrucción que entorpece la salida de sangre del corazón. Lo interesante es que lo hace sin recurrir a las imágenes Doppler, esas que hoy siguen siendo la posta para confirmar el diagnóstico.
El trabajo apunta a la miocardiopatía hipertrófica (MCH), una enfermedad de origen genético en la que el músculo del corazón se engrosa más de la cuenta. Ese engrosamiento puede derivar en una obstrucción del tracto de salida del ventrículo izquierdo (TSVI), un cuadro que conviene detectar temprano porque define si el paciente necesita más estudios, un tratamiento puntual o una derivación a un centro especializado.
Los resultados vieron la luz en Circulation: Cardiovascular Imaging y salieron de una investigación con datos de 1.833 pacientes de Mayo Clinic. El algoritmo se probó en 275 de ellos y después pasó por una validación externa con 46 casos de un hospital de Corea del Sur.
Una obstrucción que aparece en dos de cada tres casos
La MCH provoca un engrosamiento anormal del músculo cardíaco y hasta dos tercios de los pacientes desarrollan una obstrucción del TSVI. Esa alteración dificulta la expulsión de sangre y puede manifestarse con dolor en el pecho, falta de aire al hacer esfuerzo o dificultad para respirar estando acostado.
Definir quién tiene esa obstrucción es un punto clave en el seguimiento clínico. La medición habitual exige una ecocardiografía Doppler, una técnica que requiere alinear con precisión el haz de ultrasonido y que depende bastante de la mano del operador.
“Para medir la obstrucción del TSVI normalmente se necesita una ecocardiografía Doppler, que depende de una alineación precisa del haz de ultrasonidos y de la experiencia del operador”, explicó Imon Banerjee, investigadora de IA de Mayo Clinic en Phoenix y autora principal del trabajo.
El modelo, en cambio, usó únicamente videos ecográficos convencionales en modo B, esos que se toman con el paciente en reposo. Con ese material calculó la probabilidad de una obstrucción potencialmente relevante en el flujo de salida del corazón, sin necesidad de las mediciones Doppler.
Los investigadores reportaron que combinar tres vistas ecográficas estándar mejoró la capacidad del sistema para distinguir a los pacientes con gradientes altos en el TSVI. Además, el algoritmo detectó indicios de obstrucciones que no siempre aparecen en reposo y que se manifiestan cuando el corazón se somete a esfuerzo.
“Queríamos determinar si la IA podía reconocer patrones sutiles que son imperceptibles para el ojo humano en vídeos ecográficos en modo B obtenidos de forma rutinaria”, señaló Banerjee. Según la investigadora, la detección anticipada permitiría indicar una evaluación confirmatoria con Doppler y derivar al paciente cuando haga falta.
La validación externa sostuvo el rendimiento
El algoritmo mantuvo su desempeño en la cohorte de Corea del Sur, pese a las diferencias entre esos pacientes y la población con la que fue desarrollado. Para los autores, ese resultado justifica seguir evaluándolo en otros grupos, con equipos de ecografía distintos y en escenarios clínicos variados.
En una parte de los casos, la inteligencia artificial detectó la obstrucción con mayor precisión que dos ecocardiografistas expertos que revisaron las mismas imágenes sin información Doppler. El hallazgo deja al desnudo las limitaciones de interpretar ecografías bidimensionales de rutina cuando faltan mediciones específicas del flujo sanguíneo.
La tecnología no pretende reemplazar al Doppler, aclaró la investigadora. Su rol sería alertar sobre pacientes con posible obstrucción para acelerar las pruebas de confirmación, las evaluaciones de esfuerzo o la consulta en una unidad especializada en MCH.
Antes de que la herramienta se incorpore a la práctica clínica habrá que confirmar estos resultados en estudios prospectivos y en hospitales con equipos y poblaciones diferentes. Por ahora, el algoritmo podría servir de apoyo para identificar qué pacientes necesitan una evaluación Doppler más completa.
- Qué hace: estima la probabilidad de obstrucción del TSVI a partir de videos en modo B.
- Qué no hace: no reemplaza al Doppler, que sigue siendo el método de confirmación.
- Para qué sirve: priorizar estudios confirmatorios y derivaciones a especialistas.
