top of page

La inteligencia artificial en cardiología

Actualizado: 30 jun 2023


Sociedad Mexicana de Cardiología


La inteligencia artificial es una disciplina en constante evolución, que busca mejorar la capacidad de las máquinas para realizar tareas de manera autónoma, que ha demostrado ser una herramienta útil en diversas áreas de la medicina y la cardiología no es la excepción.


Actualmente los avances permiten la creación de algoritmos y modelos de aprendizaje automático que pueden analizar grandes cantidades de datos y ayudar a los médicos en el diagnóstico, tratamiento y pronóstico de enfermedades cardiovasculares.


La inteligencia artificial en el diagnóstico cardiovascular: la capacidad de distintos algoritmos de aprendizaje automático (machine learning) para analizar grandes cantidades de datos en poco tiempo hace posible identificar patrones y correlaciones que pueden pasar desapercibidos para los médicos. Por ejemplo, se han desarrollado algoritmos de inteligencia artificial capaces de analizar electrocardiogramas de pacientes con disnea y establecer el diagnóstico de padecimientos como insuficiencia cardiaca o síndrome coronario agudo con alta precisión (AUC: 0,88).¹ Además puede ayudar en el diagnóstico por imágenes, como el análisis de imágenes de resonancia magnética, tomografía computarizada y ecocardiogramas, para detectar enfermedades coronarias y anomalías estructurales del corazón con mayor rapidez y precisión, como la fracción de eyección del ventrículo izquierdo y las valvulopatías.²


La prevención de enfermedades cardiovasculares es un aspecto fundamental de la cardiología. La inteligencia artificial puede ayudar a prevenir enfermedades cardiovasculares mediante el análisis de grandes cantidades de datos para identificar patrones y factores de riesgo. Esto especialmente en grupos considerados minoritarios o de alto riesgo.³


La inteligencia artificial también puede tener un papel importante en el tratamiento de enfermedades cardiovasculares. Por ejemplo, se han desarrollado algoritmos capaces de analizar datos clínicos y genómicos para identificar los mejores tratamientos para insuficiencia cardiaca, enfermedad coronaria y otras afecciones.⁴ También puede ser útil en la selección de fármacos y en la personalización de la dosis de acuerdo con las características individuales del paciente.⁵


Otra área donde la inteligencia artificial puede ser útil es en la predicción del riesgo de eventos cardiovasculares, como ataques cardiacos o ictus. Algunos modelos de aprendizaje automático han sido entrenados para analizar los datos médicos de un paciente y predecir su riesgo de sufrir un evento cardiovascular.⁶ Estos modelos pueden ser particularmente eficaces en pacientes con múltiples factores de riesgo, ya que pueden ayudar a los médicos a identificar a quienes necesitan una atención más intensiva.


La inteligencia artificial puede ayudar en la monitorización continua de pacientes, fundamental para detectar problemas, mediante el análisis de datos de sensores y dispositivos portátiles para revelar cambios en la función cardiaca y otros signos de alerta temprana y prevenir complicaciones. Existen algoritmos capaces de analizar datos de dispositivos portátiles, como relojes inteligentes y monitores de ritmo cardiaco para captar arritmias, insuficiencia cardiaca y otros problemas cardiovasculares con el potencial de impactar en la mortalidad a largo plazo.⁷


A pesar de las promesas de la inteligencia artificial en la cardiología, también hay limitaciones y desafíos que deben abordarse. Una de las mayores preocupaciones es la falta de datos de alta calidad en algunos casos. Para que los algoritmos de aprendizaje automático sean precisos necesitan grandes cantidades de datos, pero en algunos casos estos pueden ser incompletos o inexactos. Asimismo, la data puede estar fragmentada, lo que dificulta la integración y la interpretación de los mismos.


Otra limitación importante es la necesidad de validación de los algoritmos de inteligencia artificial, la mayoría de los cuales está diseñada y entrenada en un conjunto de datos específico y para que sean útiles en la práctica clínica deben ser validados en diferentes poblaciones y entornos clínicos, lo que es un proceso largo y costoso que puede ser difícil de implementar.


Finalmente, es importante reafirmar que la necesidad de regulación y estandarización debe ser prioridad para garantizar la seguridad y la eficacia de esta tecnología. Los organismos reguladores deben desarrollar pautas claras y rigurosas para su validación y aprobación de distintos algoritmos de inteligencia artificial en cardiología.


En conclusión, la inteligencia artificial presenta una gran cantidad de beneficios potenciales en términos de diagnóstico y tratamiento de enfermedades cardiacas. Sin embargo, existen limitaciones y barreras que deben ser consideradas y es importante abordarlas para garantizar que la tecnología se utilice de manera segura y eficaz en la práctica clínica.


Referencias


  1. Siontis KC, Noseworthy PA, Attia ZI, Friedman PA. Artificial intelligence-enhanced electrocardiography in cardiovascular disease management. Nat Rev Cardiol. Jul 2021;18(7):465478. doi: 10.1038/s41569-020-00503-2. PMID: 33526938. Fuente

  2. Nedadur R, Wang B, Tsang W. Artificial intelligence for the echocardiographic assessment of valvular heart disease. Heart. 26 Sep 2022;108(20):15921599. doi: 10.1136/heartjnl-2021-319725. PMID: 35144983. Fuente

  3. Adedinsewo DA, Pollak AW, Phillips SD, Smith TL, y cols. Cardiovascular Disease Screening in Women: Leveraging Artificial Intelligence and Digital Tools. Circ Res. 18 Feb 2022;130(4):673-690. doi: 10.1161/CIRCRESAHA.121.319876. PMID: 35175849. Fuente

  4. Kagiyama N, Shrestha S, Farjo PD, Sengupta PP. Artificial Intelligence: Practical Primer for Clinical Research in Cardiovascular Disease. J Am Heart Assoc. 3 Sep 2019;8(17):e012788. doi: 10.1161/JAHA.119.012788. PMID: 31450991. Fuente

  5. Karwath A, Bunting KV, Gill SK, Tica O, y cols. Redefining β-blocker response in heart failure patients with sinus rhythm and atrial fibrillation: a machine learning cluster analysis. Lancet. 16 Oct 2021;398(10309):1427-1435. doi: 10.1016/S0140-6736(21)01638-X. PMID: 34474011. Fuente

  6. Attia ZI, Noseworthy PA, Lopez-Jimenez F, Asirvatham SJ, y cols. An artificial intelligence-enabled ECG algorithm for the identification of patients with atrial fibrillation during sinus rhythm: a retrospective analysis of outcome prediction. Lancet. 7 Sep 2019;394(10201):861867. doi: 10.1016/S0140-6736(19)31721-0. PMID: 31378392. Fuente

  7. Dagher L, Shi H, Zhao Y, Marrouche NF. Wearables in cardiology: Here to stay. Heart Rhythm. 1 May 2020;17(5 Pt B):889-895. doi: 10.1016/j.hrthm.2020.02.023. PMID: 32354455. Fuente


137 visualizaciones0 comentarios

Entradas Recientes

Ver todo
bottom of page