En torno a 59 millones de personas se vieron afectadas en 2019 por fibrilación auricular, siendo esta la arritmia cardiaca más frecuente en todo el mundo. Esta anomalía en el ritmo cardiaco es asociada a un mayor riesgo de insuficiencia cardiaca, demencia e ictus. Su prevalencia constituye una carga importante para los sistemas sanitarios, por lo que su detección y tratamiento precoces son un objetivo primordial.
Investigadores del Luxembourg Centre for Systems Biomedicine (LCSB) de la Universidad de Luxemburgo han desarrollado un modelo de deep-learning que es capaz de predecir la transición de un ritmo cardíaco normal a la fibrilación auricular. Este sistema emite alertas antes del evento cardíaco, concretamente unos 30 minutos antes del inicio, con una precisión de en torno al 80%. Estos resultados, de los que se hizo eco la revista científica Patterns, allanan el camino para su integración en tecnologías portátiles, permitiendo intervenciones tempranas y mejores resultados para los pacientes.
Durante la fibrilación auricular, las cavidades superiores del corazón laten de forma irregular y desincronizada con los ventrículos. Para volver a un ritmo normal pueden ser necesarias intervenciones intensivas, que pueden ir desde descargas eléctricas para devolver el corazón al ritmo sinusal normal hasta la extirpación de una zona específica responsable de las señales defectuosas.
Este sistema emite alertas antes del evento cardíaco, concretamente unos 30 minutos antes del inicio, con una precisión de en torno al 80%
“Poder predecir un episodio de fibrilación auricular con suficiente antelación permitiría a los pacientes tomar medidas preventivas para mantener estable su ritmo cardiaco”, afirman los investigadores. Sin embargo, los métodos actuales basados en el análisis de la frecuencia cardiaca y los datos del electrocardiograma (ECG), apuntan que sólo son capaces de detectar la fibrilación auricular justo antes de su aparición y no proporcionan una alerta temprana.
“En cambio, nuestro trabajo se aleja de este enfoque para adoptar un modelo de predicción más prospectivo”, explica el profesor Jorge Gonçalves, jefe del grupo de Control de Sistemas del LCSB. “Utilizamos datos de frecuencia cardíaca para entrenar un modelo de deep-learning que puede reconocer diferentes fases -desde el ritmo sinusal, pre fibrilación auricular y fibrilación auricular- así como calcular una “probabilidad de peligro” de que el paciente sufra un episodio inminente”. Cuando el sistema detecta que puede darse un evento de fibrilación auricular, es decir, cuando la probabilidad aumenta hasta cruzar un umbral específico, se genera una alerta temprana.
Este modelo de inteligencia artificial, denominado WARN (Warning of Atrial fibRillatioN), se entrenó y probó con registros de 24 horas recogidos de 350 pacientes en el Hospital Tongji (Wuhan, China) y generó avisos tempranos, unos 30 minutos antes del inicio de la fibrilación auricular, con gran precisión. Comparado con trabajos anteriores sobre predicción de arritmias, WARN es el primer método que avisa antes del comienzo.
“Poder predecir un episodio de fibrilación auricular con suficiente antelación permitiría a los pacientes tomar medidas preventivas para mantener estable su ritmo cardiaco”
“Otro aspecto interesante es que nuestro modelo tiene un alto rendimiento utilizando únicamente intervalos R-to-R, básicamente solo datos de frecuencia cardiaca, que pueden adquirirse a partir de registradores de señales de pulso fáciles de llevar y asequibles, como los relojes inteligentes”, destaca el Dr. Marino Gavidia, primer autor de la publicación, que trabajó en este proyecto durante su doctorado dentro del grupo de Control de Sistemas y la Unidad de Formación Doctoral CriTiCS. “Estos dispositivos pueden ser utilizados por los pacientes a diario, por lo que estos resultados abren la posibilidad al desarrollo de monitorización en tiempo real y alertas tempranas a partir de cómodos dispositivos portátiles”, añade el Dr. Arthur Montanari, investigador del LCSB.
Además, el modelo de deep-learning desarrollado por los investigadores podría implementarse en el smartphone para procesar los datos de un reloj o pulsera inteligente. Su bajo coste computacional lo hace ideal para su integración en tecnologías portátiles. El objetivo a largo plazo es que los pacientes puedan monitorizar continuamente su ritmo cardiaco y recibir alertas tempranas que puedan proporcionarles tiempo suficiente para tomar la medicación antiarrítmica o utilizar tratamientos dirigidos para prevenir la aparición de fibrilación auricular. Esto, a su vez, reduciría las intervenciones de urgencia y mejoraría los resultados de los pacientes.
"De cara al futuro, nos centraremos en desarrollar modelos personalizados. El uso diario de un simple reloj inteligente proporciona constantemente nueva información sobre la dinámica cardíaca personal, lo que nos permite perfeccionar y reentrenar continuamente nuestro modelo para ese paciente con el fin de lograr un mejor rendimiento con alertas aún más tempranas", concluye el profesor Goncalves. “Con el tiempo, este enfoque podría incluso conducir a nuevos ensayos clínicos e intervenciones terapéuticas innovadoras”, concluye.