Ahora, un grupo de investigadores del Sistema de Salud Mount Sinai, en Nueva York, ha demostrado que una prueba ampliamente disponible y de bajo costo, utilizada de forma rutinaria para la evaluación cardíaca de los pacientes, ayuda a identificar la EPOC mucho antes.

Con ello, pretenden evitar la limitación de oportunidades de intervención temprana y el empeoramiento de los resultados a largo plazo que provoca el diagnóstico tardío, a través de la detección de señales sutiles relacionadas con la enfermedad antes de que se establezca un diagnóstico clínico formal. Para lograrlo, los investigadores desarrollaron un enfoque de aprendizaje profundo mediante una red neuronal convulucional para analizar electrocardiogramas estándar (ECG) de doce derivaciones y diez segundos de duración.

Y es que, aunque los electrocardiogramas fueron diseñados en un primer momento para evaluar el ritmo cardiaco, la EPOC puede provocar cambios estructurales y fisiológicos en el corazón que también alteran de forma sutil las ondas de los propios electrocardiogramas. Y estas modificaciones pueden ser detectadas por modelos de inteligencia artificial.

La EPOC puede provocar cambios estructurales y fisiológicos en el corazón que alteran de forma sutil las ondas de los electrocardiogramas

El equipo entrenó y evaluó el modelo utilizando electrocardiogramas extraídos del sistema GE MUSE, que almacena los datos brutos de las ondas en archivos XML. Analizaron datos de cinco hospitales de Mount Sinai que atienden a una población demográficamente diversa recopilados entre 2006 y 2023, y después, con el fin de evaluar la solidez del enfoque en distintos entornos, realizaron una validación adicional con electrocardiogramas de un sistema hospitalario externo y de pacientes con EPOC incluidos en la base de datos UK Biobank.

ANÁLISIS EXTENSOS Y DIVERSOS

En total, analizaron más de 208.000 electrocardiogramas, incluidos registros de más de 18.000 pacientes con EPOC emparejados con más de 49.000 controles por edad, sexo y raza. Su modelo, indican, logró un “excelente” rendimiento diagnóstico, con un área bajo la curva de 0,8 en las pruebas internas, 0,82 en la validación externa y 0,75 en la cohorte del Reino Unido. Los resultados fueron de esta manera consistentes en diversas poblaciones.

“Este estudio sienta las bases para futuras investigaciones sobre la integración de tecnologías de inteligencia artificial con otras herramientas diagnósticas de uso rutinario"

Más tarde, otros análisis vincularon las predicciones del modelo con las mediciones de espirometría, mientras que los métodos de explicabilidad destacaron los cambios en la onda P como una señal clave asociada con la EPOC. Estos hallazgos, remarcan los investigadores, sugieren que el análisis de EGG basado en inteligencia artificial podría facilitar la identificación temprana de pacientes en riesgo, permitiendo un tratamiento más temprano y ralentizando la progresión de la enfermedad. Especialmente, añaden, en entornos remotos o de escasos recursos, donde el acceso a pruebas pulmonares especializadas es más limitado.

“Al demostrar que la IA puede mejorar la utilidad diagnóstica de los ECG para la EPOC, se abre una vía para la intervención y el tratamiento tempranos de esta enfermedad, lo que podría reducir la gravedad de su progresión y los costos financieros asociados”, señala el doctor Girish Nadkarni, del Mount Sinai. “Este estudio también sienta las bases para futuras investigaciones sobre la integración de tecnologías de inteligencia artificial con otras herramientas diagnósticas de uso rutinario, lo que podría mejorar la precisión y la oportunidad del diagnóstico en una amplia gama de enfermedades crónicas y, en última instancia, reforzar la prevención y la intervención temprana”, concluye.