Un nuevo modelo de IA para precisar el diagnóstico y tratamiento de algunas arritmias de corazón: la propuesta de un estudio liderado por la UPF

Mediante nuevas técnicas de inteligencia artificial y de aprendizaje automático, será posible determinar con precisión dónde se desencadenan determinadas arritmias cardíacas. Determinar el lugar de origen de estas arritmias permitirá aumentar la eficacia de uno de los procedimientos más habituales para tratarlas: la ablación por radiofrecuencia, que esencialmente consiste en la introducción de un catéter en uno de los ventrículos del corazón, con la que se emite la radiofrecuencia necesaria para eliminar la alteración del ritmo cardíaco. Así lo expone un artículo científico publicado recientemente en la Revista Frontiers in Cardiovascular medicine, fruto de una investigación liderada por el grupo de investigación Physense de la Unidad de Investigación BCN Medtech de la UPF.

Concretamente, la investigación plantea aplicar las técnicas de IA y Machine learning para precisar el origen de un tipo específico de arritmia ventricular. Todas las arritmias ventriculares se deben a alteraciones del ritmo normal del corazón que se inician en las cavidades internas del corazón (los ventrículos), pero las hay de diferentes tipologías. Esta investigación se refiere a la denomina arritmia ventricular del tracto de salida (OTVA por sus siglas en inglés), la región que conecta los ventrículos con las principales arterias del corazón. La OTVA es la manifestación más común de las denominadas arritmias ventricular idiopáticas, aquellas que se producen por causas que no se pueden identificar a través de los métodos convencionales o en pacientes sin cardiopatías estructurales, por lo que es más difícil precisar sus motivos.

Actualmente, más allá de la medicación para corregir las alteraciones del ritmo cardíaco, el tratamiento más frecuente de la arritmia OTVA es la ablación por radiofrecuencia. Para aplicar esta técnica, es necesario primeramente realizar un mapeo del circuito eléctrico que origina una arrítmica cardíaca para después ubicar el catéter emisor de radiofrecuencia en la zona del trastorno. Esto genera el aumento de temperatura necesario para eliminar la parte específica del tejido cardíaco donde se desencadena la arritmia.

Mayores probabilidades de éxito y menor duración del tratamiento de ciertas arritmias ventriculares, algunos de los objetivos del nuevo modelo basado en IA

Hasta ahora, la efectividad de los tratamientos con ablación por radiofrecuencia están por debajo de lo deseable. Para mejorarla, es necesario precisar mejor el lugar de origen de la arritmia, de modo que el catéter emisor de radiofrecuencia pueda actuar sobre la zona exacta donde se origina. Esto aumentaría las probabilidades de éxito del tratamiento y se reducirían los tiempos de intervención y las tasas de recaída.

Éste es el reto que aborda el artículo científico publicado recientemente en la revista Frontiers in Cardiovascular medicine. Por parte del grupo de investigación Physense de la Unidad de Investigación BCN Medtech de la UPF, han participado en la investigación Álvaro J. Bocanegra-Pérez (autor principal), Gemma Piella, Guillermo Jimenez-Perez y Oscar Cámara (investigador principal). Por parte del Centro Médico Teknon de Barcelona, també son coautores del mismo Giulio Falasconi, David Soto-Iglesias y Antonio Berruezo. Otros coautores son Rafael Sebastian, del CoMMLab de la Universidad de Valencia; Andrea Saglietto (Departamento de Ciencias Médicas de la Universidad de Turín) y Diego Penela (Hospital de Investigación Humanitas de Milán).

En el artículo, proponen un modelo basado en IA y Machine learning, que puede contribuir a mejorar sustancialmente la precisión de diagnósticos y tratamientos actuales de las arritmias OVTA. Los métodos diagnósticos actuales se basan fundamentalmente en el análisis de los electrocardiogramas (ECG) realizados antes de la operación, a partir de la inspección visual realizada por profesionales médicos. Pese a su experiencia, la inspección visual está sujeta al error humano y puede derivar en diagnósticos equivocados o poco precisos, lo que a su vez puede reducir la eficacia del tratamiento por debajo de los niveles óptimos.

Durante los últimos años ya se han desarrollado métodos más avanzados para tratar de superar las limitaciones de las inspecciones visuales de los electrocardiogramas a partir de modelos computacionales y enfoques de aprendizaje automático (ML). A pesar de ello, los métodos ideados hasta ahora todavía presentan limitaciones para determinar con precisión dónde se originan las arritmias OTVA o en cuanto a la obtención de información específica y personalizada de cada paciente o la interpretación y aplicación de los resultados en escenarios clínicos reales.

Un modelo de IA para analizar de forma integrada datos clínicos y electrocardiogramas, que facilita la precisión de los diagnósticos

Para superar estas limitaciones, el estudio liderado por el grupo de investigación Physense de la UPF plantea un enfoque holístico que permitirá diagnósticos y tratamientos más efectivos de las arritmias OTVA. A partir de técnicas de IA y Machine learning, será posible analizar de forma integrada y automáticamente datos clínicos reales referentes a la edad, sexo y antecedentes médicos del paciente, - especialmente sobre si ha sufrido previamente hipertensión o no-y electrocardiogramas (tanto reales como simulados por métodos computacionales). Esto permitirá precisar el lugar de origen de las arritmias en cada caso particular, reducir el margen de error respecto a las inspecciones visuales, además de facilitar la interpretación de los resultados.

En cuanto a las aportaciones del estudio, Álvaro J. Bocanegra-Pérez, investigador del grupo de investigación Physense de la UPF, asegura: “El método propuesto ha demostrado ser eficaz para diferenciar OTVAs de origen izquierdo y derecho. La metodología utilizada hace que el sistema sea robusto y garantiza interpretabilidad para cualquier análisis posterior, por ejemplo, la identificación del sitio de origen específico de la arritmia. Este acercamiento multimodal e interpretable es clave para el trabajo multidisciplinario entre médicos e ingenieros, ya que permite realizar aportaciones a la metodología de ambas partes”.

La investigación realizada ha demostrado la eficacia de este método en arritmias ventriculares originadas tanto en el ventrículo derecho como en el izquierdo, a partir de un estudio que ha combinado el análisis de 2.496 casos simulados con el de pacientes reales. De este segundo grupo, se ha examinado el caso de 114 pacientes del Hospital Teknon en Barcelona y 31 del Hospital Clínic de Barcelona y otros 334 correspondientes a un estudio realizado en China (Zheng et al.). Más allá de esta investigación, habrá que seguir trabajando en esta línea de investigación, analizando datos de un mayor número de pacientes para articular un sistema más robusto con potencial para generalizarse a la práctica clínica.

Imagen: Imagen de recurso (creada por Patrick J. Lynch, ilustrador médico; y C. Carl Jaffe, MD, cardiólogo)

Artículo de referencia: Álvaro J. Bocanegra-Pérez, Gemma Piella, Rafael Sebastian, Guillermo Jimenez-Perez, Giulio Falasconi, Andrea Saglietto, David Soto-Iglesias, Antonio Berruezo, Diego Penela y Oscar Camara. Automatic and interpretable prediction of the site of origin in outflow tract ventricular arrhythmias: machine learning integrating electrocardiograms and clinical data. Front. Cardiovasc. Med., 20 March 2024, Sec. Cardiac Rhythmology, Volume 11–2024. https://doi.org/10.3389/fcvm.2024.1353096