Què s’ha descobert?
Uns investigadors han comprovat que un algorisme de intel·ligència artificial (IA) pot detectar un ritme cardíac anormal en persones que encara no mostren símptomes.
L’estudi l’ha dut a terme un equip integrat, entre altres, per David Ouyang, del Centre Mèdic Cedars-Sinai als Estats Units, i Neal Iuan, de la Universitat de Califòrnia a San Francisco, els Estats Units.
L’algorisme, que va identificar senyals ocults en proves de diagnòstic mèdic comuns. Sens dubte, pot ajudar els metges a prevenir millor els accidents cerebrovasculars i altres complicacions cardiovasculars en persones amb fibril·lació auricular. El tipus més comú de trastorn del ritme cardíac.
Els algorismes desenvolupats anteriorment s’han utilitzat principalment en poblacions d’ètnia caucàsica. Aquest algorisme funciona en diversos entorns i poblacions de pacients, incloent-hi persones que han prestat servei en l’exèrcit i persones desateses.
“Aquesta recerca permet una millor identificació d’una afecció cardíaca oculta i suggereix la millor manera de desenvolupar algorismes que siguin equitatius i generalitzables a tots els pacients”. Va comentar el Dr. David Ouyang, cardiòleg del Departament de Cardiologia del Smidt Heart Institute de Cedars-Sinai i investigador de la Divisió d’intel·ligència artificial en Medicina.
Com s’ha creat l’algorisme d’aquesta intel·ligència artificial?
A més, els experts estimen que aproximadament 1 de cada 3 persones amb fibril·lació auricular no sap que pateix l’afecció.
En la fibril·lació auricular, els senyals elèctrics en el cor que regulen el bombeig de sang des de les càmeres superiors a les inferiors són caòtiques. Per tant, això pot fer que la sang en les cambres superiors s’acumuli i formi coàguls de sang. Els quals poden viatjar al cervell i desencadenar un accident cerebrovascular isquèmic.
Així doncs, per a crear l’algorisme, els investigadors van programar una eina d’intel·ligència artificial per a estudiar els patrons trobats en les lectures de l’electrocardiograma. En general, un electrocardiograma és una prova que monitora els senyals elèctrics del cor. A les persones que se sotmeten a aquesta prova se’ls col·loquen elèctrodes en el cos que detecten l’activitat elèctrica del cor.
És així com el programa va analitzar lectures d’electrocardiogrames preses entre l’1 de gener de 1987 i el 31 de desembre de 2022 de pacients atesos en dues xarxes de salut d’Assumptes de Veterans. (Veterans Affairs, són persones que han estat de servei en l’exèrcit dels Estats Units). L’algorisme es va entrenar amb gairebé un milió d’electrocardiogrames. I, a més, va predir amb precisió que els pacients afectats sofririen fibril·lació auricular en un termini de 31 dies.
Un estudi complex i prometedor
“Aquest estudi fet amb veterans va ser geogràfica i ètnicament divers, la qual cosa indica que l’aplicació d’aquest algorisme podria beneficiar a la població general als EUA”. Va afirmar el Dr. Sumeet Chugh, director de la Divisió d’intel·ligència artificial en Medicina del Departament de Medicina i director del Centre de Ritme Cardíac del Departament de Cardiologia.
“Aquesta recerca exemplifica una de les moltes formes en què els investigadors del Smidt Heart Institute i la Divisió d’intel·ligència artificial en Medicina estan utilitzant la intel·ligència artificial per a abordar el maneig preventiu d’afeccions cardíaques complexes i desafiants”.
Així doncs, l’estudi va ser un esforç de col·laboració entre metges i investigadors de Cedar-Sinai i els hospitals d’Assumptes de Veterans de San Francisco i Palo Alto. A més d’Ouyang, en l’estudi van treballar els investigadors de Cedars-Sinai Grant Duffy i John Theurer.
Perspectives de futur
Més endavant, els investigadors planegen continuar estudiant l’algorisme com a part d’assajos clínics prospectius per a saber si ajuda a identificar a les persones en risc de sofrir un atac cardíac i un vessament cerebral. També planegen desenvolupar més algorismes d’intel·ligència artificial.
L’estudi es titula “Deep learning of electrocardiograms in sinus rhythm from US Veterans to predict atrial fibrillation”. I s’ha publicat en la revista acadèmica JAMA Cardiology. (Font: Cedars-Sinai Medical Center)
