Detección de insuficiencia cardíaca en un solo latido utilizando IA

La Inteligencia Artificial tiene múltiples aplicaciones en varios campos. Ya sea que desee robots inteligentes, automóviles autónomos, hogares inteligentes, etc. ¡La inteligencia artificial puede manejarlo todo! Y entre estas aplicaciones, la IA también es muy útil en el campo de la medicina para diagnosticar diversos problemas. Específicamente, entenderemos cómo la Inteligencia Artificial puede detectar la Insuficiencia Cardíaca en un solo latido en este artículo. Pero para entender eso, veamos primero qué es la Inteligencia Artificial.

¿Qué es la Inteligencia Artificial?

La Inteligencia Artificial (IA) es un campo multidisciplinar cuyo principal objetivo es la automatización de actividades que actualmente requieren de la inteligencia humana. El propósito principal de la inteligencia artificial es mejorar el comportamiento de la computadora para que pueda llamarse inteligente. Es un campo de estudio basado en la premisa de que el pensamiento racional puede considerarse como una forma de computación que puede formalizarse y, en última instancia, mecanizarse. Las principales áreas problemáticas que aborda la IA se pueden resumir en Percepción, Manipulación, Razonamiento, Comunicación y Aprendizaje.

El éxito de la IA en el campo médico

La inteligencia artificial ha revolucionado por completo el diagnóstico del cáncer. La supercomputadora Watson de IBM puede ver desviaciones en la salud del individuo. Alrededor del 30% de los casos, Watson coloca a los pacientes con diagnósticos adicionales que los expertos pasan por alto. La IA logra resultados aún más impresionantes en el Instituto de Investigación Metodista de Houston, Texas. La inteligencia artificial explora los millones de mamografías y ofrece soluciones con un 99 % de precisión.

Microsoft ya ha demostrado que AI, por primera vez, alcanzó al hombre en la eficiencia del reconocimiento automático de voz. Para obtener este resultado, la empresa utilizó las llamadas redes neuronales recurrentes y de alta precisión. Para prepararse para la prueba, se requirieron 2000 horas de datos registrados.

¿Qué es la insuficiencia cardíaca congestiva?

Casi el 10 por ciento de los adultos mayores de 65 años sufren algún tipo de insuficiencia cardíaca congestiva (CHF). Hay muchas causas para CHF, pero la condición crónica fundamental generalmente surge de que el corazón es incapaz de bombear sangre de manera efectiva a través del cuerpo. Las radiografías, los análisis de sangre y las ecografías ofrecen formas útiles de diagnosticar la ICC. Aún así, uno de los métodos más comunes implica el uso de señales de electrocardiograma (ECG) para determinar la variabilidad de la frecuencia cardíaca durante varios minutos o incluso múltiples mediciones durante días. Ahora se ha demostrado un nuevo enfoque impresionante, utilizando una red neuronal convolucional (CNN) que puede identificar CHF casi instantáneamente al verificar los datos de ECG de un solo latido del corazón.

¿Cómo se puede detectar la insuficiencia cardíaca congestiva usando IA?

La aplicación de Inteligencia Artificial al electrocardiograma (ECG) permite la detección temprana de la disfunción ventricular izquierda y también puede identificar a las personas con mayor riesgo de desarrollarla en el futuro. La investigación, que se publica en Nature Medicine , encontró que la precisión del AI/ECG se compara favorablemente con otras pruebas de detección comunes, como el antígeno prostático específico para el cáncer de próstata y la mamografía para el cáncer de mama. La disfunción ventricular izquierda asintomática (ALVD) se caracteriza por la presencia de un bombeo cardíaco débil con un gran riesgo de insuficiencia cardíaca. Está presente en 3 – 6 por cientode la población general y se asocia estrechamente con una reducción de la calidad de vida y la longevidad. Sin embargo, es tratable cuando se encuentra. Actualmente, no existe una herramienta de detección económica, no invasiva e indolora para ALVD disponible para uso diagnóstico.

Para abordar esto, Paul Friedman y sus colegas probaron si ALVD podría detectarse de manera confiable en el ECG mediante una red neuronal debidamente entrenada. El equipo utilizó datos emparejados de ECG y ecocardiograma de 12 derivaciones, incluida la fracción de eyección del ventrículo izquierdo, de 44 959 pacientes en la Clínica Mayo, y entrenó una red neuronal convolucional para identificar pacientes con disfunción ventricular, definida como una fracción de eyección inferior al 35 por ciento, utilizando los datos del electrocardiograma.

Cuando se probó en un conjunto de 52.870 pacientes, el modelo de red arrojó valores para el área bajo la curva, la sensibilidad, la especificidad y la precisión de 0,93, 86,3 %, 85,7 % y 85,7 %, respectivamente. En los pacientes que no tenían disfunción ventricular, aquellos con una prueba de detección de IA positiva tenían cuatro veces más riesgo de sufrir una futura disfunción ventricular en comparación con aquellos con un filtro negativo. “Esto sugiere que la red detectó anormalidades tempranas, subclínicas, metabólicas o estructurales que se manifiestan en el ECG” , dice Friedman.

¡100% de precisión en la detección!

“Entrenamos y probamos el modelo de CNN en grandes conjuntos de datos de ECG disponibles públicamente con sujetos con CHF y corazones sanos y sin arritmia. Nuestro modelo entregó una precisión del cien por cien al verificar solo un latido del corazón; podemos detectar si una persona tiene insuficiencia cardíaca o no. Nuestro modelo también es el primero en poder identificar con precisión las características morfológicas del ECG asociadas con la gravedad de la afección”. dice Sebastian Massaro, de la Universidad de Surrey

Como sugiere Massaro, el sistema del equipo informa una increíble tasa de precisión del cien por cien, pero la investigación no está exenta de limitaciones. Los datos utilizados en el estudio consistieron únicamente en lecturas de ECG de pacientes con ICC grave o sujetos sanos. Los investigadores señalan que los resultados podrían no ser tan correctos para los pacientes con CHF más leve. Por lo tanto, ciertamente se necesita mucho trabajo para verificar un espectro más amplio de diagnósticos de CHF antes de que la tecnología se use en la práctica clínica.