La inteligencia artificial podr\u00eda ayudar a los m\u00e9dicos a detectar valvulopat\u00edas graves a\u00f1os antes, lo que podr\u00eda salvar miles de vidas, seg\u00fan sugiere un nuevo estudio. Investigadores dirigidos por la Universidad de Cambridge analizaron los sonidos card\u00edacos de casi 1800 pacientes utilizando un algoritmo de IA entrenado para reconocer valvulopat\u00edas, una afecci\u00f3n que a menudo pasa desapercibida hasta que se vuelve potencialmente mortal.<\/p>\n\n\n\n
La IA identific\u00f3 correctamente al 98% de los pacientes con\u00a0estenosis a\u00f3rtica grave<\/a>, la forma m\u00e1s com\u00fan de enfermedad valvular que requiere cirug\u00eda, y al 94% de aquellos con insuficiencia mitral grave, donde la v\u00e1lvula card\u00edaca no se cierra completamente y la sangre se filtra hacia atr\u00e1s a trav\u00e9s de la v\u00e1lvula.<\/p>\n\n\n\n La tecnolog\u00eda, que funciona con estetoscopios digitales, super\u00f3 a los m\u00e9dicos de cabecera en la detecci\u00f3n de valvulopat\u00edas y podr\u00eda utilizarse como herramienta de detecci\u00f3n r\u00e1pida en atenci\u00f3n primaria. Los resultados se publican en la revista\u00a0npj Cardiovascular Health.<\/p>\n\n\n\n “La enfermedad de las v\u00e1lvulas es una epidemia silenciosa”, afirm\u00f3 el profesor Anurag Agarwal, del Departamento de Ingenier\u00eda de Cambridge, quien dirigi\u00f3 la investigaci\u00f3n.<\/p>\n\n\n\n Se estima que 300.000 personas en el Reino Unido padecen estenosis a\u00f3rtica grave, y alrededor de un tercio no lo sabe. Cuando aparecen los s\u00edntomas, las consecuencias pueden ser peores que las de muchos tipos de c\u00e1ncer.<\/p>\n\n\n\n La valvulopat\u00eda card\u00edaca<\/a>\u00a0afecta a m\u00e1s de la mitad de las personas mayores de 65 a\u00f1os, y aproximadamente una de cada diez presenta una enfermedad grave. En sus primeras etapas, suele ser asintom\u00e1tica.<\/p>\n\n\n\n “Cuando se desarrollan s\u00edntomas avanzados, el riesgo de muerte puede alcanzar el 80% en dos a\u00f1os si no se trata”, afirm\u00f3 el coautor, el profesor Rick Steeds, de los Hospitales Universitarios de Birmingham. “El \u00fanico tratamiento actual es la cirug\u00eda para reparar o reemplazar la v\u00e1lvula”.<\/p>\n\n\n\n Actualmente, el diagn\u00f3stico de la valvulopat\u00eda se basa en\u00a0la ecocardiograf\u00eda<\/a>, que es el m\u00e9todo de referencia, pero es costosa y requiere mucho tiempo. Los tiempos de espera en el NHS pueden extenderse a muchos meses, lo que significa que no puede utilizarse como herramienta de cribado para la poblaci\u00f3n general.<\/p>\n\n\n\n Los m\u00e9dicos pueden escuchar el coraz\u00f3n usando un estetoscopio, pero esto no se hace de manera rutinaria en consultas breves con el m\u00e9dico de cabecera y se sabe que no se detectan muchos casos.<\/p>\n\n\n\n “La auscultaci\u00f3n card\u00edaca es una t\u00e9cnica compleja y se utiliza cada vez menos en las consultas de medicina general, con mucha afluencia de pacientes”, afirm\u00f3 Agarwal. “Esa es una de las razones principales por las que se pasan por alto tantos casos de valvulopat\u00eda”.<\/p>\n\n\n\n El nuevo estudio, una colaboraci\u00f3n entre ingenieros y cardi\u00f3logos, enfermeras investigadoras y otros profesionales cl\u00ednicos de cinco fideicomisos del NHS, utiliz\u00f3 estetoscopios digitales para registrar los sonidos card\u00edacos de 1767 pacientes. Cada participante del estudio tambi\u00e9n se realiz\u00f3 un ecocardiograma, que se utiliz\u00f3 como referencia.<\/p>\n\n\n\n En lugar de entrenar el algoritmo para que reconociera soplos card\u00edacos<\/a> \u2014el marcador diagn\u00f3stico tradicional\u2014, los investigadores lo entrenaron directamente con los resultados del ecocardiograma. Esto permiti\u00f3 que el sistema aprendiera patrones ac\u00fasticos sutiles que los humanos podr\u00edan pasar por alto, incluso casos sin soplo evidente.<\/p>\n\n\n\n Al probarlo con 14 m\u00e9dicos de cabecera que escucharon las mismas grabaciones, el algoritmo super\u00f3 a todos, y lo hizo de forma consistente. Los criterios de cada m\u00e9dico variaron considerablemente: algunos priorizaron la sensibilidad y otros la especificidad. La IA proporcion\u00f3 resultados fiables en todo momento y fue especialmente precisa en casos graves de enfermedad.<\/p>\n\n\n\nUna amenaza silenciosa pero generalizada<\/h2>\n\n\n\n
L\u00edmites de los m\u00e9todos de diagn\u00f3stico actuales<\/h2>\n\n\n\n
C\u00f3mo se desarroll\u00f3 la herramienta de IA<\/h2>\n\n\n\n
Impacto potencial en la atenci\u00f3n sanitaria cotidiana<\/h2>\n\n\n\n