El diagnóstico y tratamiento precisos son esenciales en los casos de taquicardia ventricular. Sin embargo, ahora esa atención médica podría optimizarse gracias a un nuevo sistema de inteligencia artificial y aprendizaje automático, capaz de detectar de forma precisa el lugar de origen de las arritmias cardíacas en cada paciente, científicamente conocido como SOO (site of origin en inglés).
El proyecto lo lidera un equipo de investigadores de la Universidad Pompeu Fabra (UPF) y, a través de él, pretenden mejorar la eficacia de las técnicas utilizadas en el tratamiento de las arritmias. Además de la medicación pautada, orientada a corregir las alteraciones del ritmo cardíaco, la ablación por radiofrecuencia es la técnica por excelencia que se utiliza actualmente para tratar estos fallos cardíacos. Sin embargo, su efectividad aún debe optimizarse.
El éxito de la ablación por radiofrecuencia está sujeto a la precisión en la localización de la arritmia
El procedimiento de la ablación por radiofrecuencia consiste en la introducción de catéteres emisores de radiofrecuencia para contrarrestar la alteración del ritmo cardíaco, de tal manera que la energía térmica elimina la parte exacta del tejido cardíaco en el que se produce la arritmia. Sin embargo, para aplicar la ablación es necesario realizar previamente un mapeo del circuito eléctrico que dé pistas sobre la zona precisa en la que ubicar el catéter.
La efectividad de este método de tratamiento es todavía mejorable, ya que localizar el lugar de origen de la arritmia es uno de los mayores desafíos actuales. Con lo cual, la aplicación del nuevo modelo de inteligencia artificial desarrollado por la UPF ayudaría a mejorar la eficacia a la hora de precisar la ubicación de la arritmia y, por lo tanto, en el éxito de la ablación por radiofrecuencia. Al mismo tiempo, lograría reducir los tiempos de intervención y las posibilidades de sufrir nuevas arritmias.
EL DISEÑO DEL ALGORITMO
El nuevo sistema se ha servido del cruce de datos clínicos reales a través de la inteligencia artificial y el aprendizaje automático (machine learning), tales como edad, sexo y antecedentes médicos del paciente, con especial atención a si es hipertenso o no. También del análisis de electrocardiogramas reales y simulados por métodos computacionales. De esta manera, resultaría más fácil diagnosticar en qué lugar se ha producido una alteración del ritmo cardíaco y aumentar la eficacia del tratamiento.
Las arritmias ventriculares se inician en las cavidades internas del corazón, los ventrículos, pero existen diferentes tipos. El proyecto de la UPF se centra en las arritmias ventriculares del tracto de salida (OTVA), que es la zona que conecta los ventrículos con las principales arterias del corazón. Este tipo de arritmia es la más común de las arritmias ventriculares idiopáticas y, precisamente, sus causas no se pueden identificar por los métodos convencionales o en pacientes que no presentan cardiopatías estructurales.
La inteligencia artificial IA y el aprendizaje automático permiten avanzar en las limitaciones que presenta el ojo humano
Los métodos convencionales de detección de arritmias se basan fundamentalmente en el análisis de electrocardiogramas (ECG), los cuales se realizan al paciente antes de someterse a la intervención quirúrgica para el tratamiento de la arritmia. Esos electrocardiogramas son interpretados visualmente por el personal médico y podrían estar sujetos al error humano. Por lo tanto, existe la probabilidad de obtener diagnósticos equivocados o poco precisos que repercuten en la atención al paciente y en la eficacia del tratamiento.
Si bien durante los últimos años ya se habían iniciado varios modelos basados en IA y aprendizaje automático para avanzar en las limitaciones que presenta el ojo humano en el análisis de electrocardiogramas, lo cierto es que estos no habían sido capaces de detectar con precisión el lugar de origen o SOO de las arritmias. Para superar este obstáculo, el sistema de la UPF ha empleado una técnica de agrupamiento jerárquico no supervisado para investigar la organización intrínseca de los datos.
Los resultados obtenidos por el modelo de IA y aprendizaje automático han alcanzado un buen nivel de sensibilidad y precisión
A diferencia de otros enfoques que se centran en distinguir entre las fuentes de arritmias ventriculares derechas (TSVD) e izquierdas (TSVI), el modelo de IA desarrollado ha sido concebido para detectar el sitio de origen específico (SOO) de la arritmia ventricular dentro de la estructura cardíaca. Esta metodología innovadora profundiza en la comprensión de las arritmias ventriculares y refina la dirección de las estrategias de tratamiento, incorporando al algoritmo diferentes bases de datos, modelos de aprendizaje supervisados y no supervisados, el análisis de características y modelos y los distintos experimentos llevados a cabo.
Los resultados obtenidos han alcanzado un buen nivel de sensibilidad y precisión. Tras los experimentos realizados, los valores más bajos detectados han sido de un 61% de precisión y de un 41% de sensibilidad, aunque algunas pruebas han alcanzado tasas más elevadas. Por el momento, el equipo de investigadores espera nutrir el algoritmo con análisis adicionales, ampliar las características reunidas y recopilar más casos, para así diseñar un sistema más robusto y eficaz en la detección del lugar de origen de las arritmias cardíacas.