Los síntomas de un ataque al corazón a veces son similares a las condiciones no relacionadas con ese órgano, lo que puede dificultar el diagnóstico. Las técnicas para evaluar estas situaciones cuando se presentan son los ensayos de troponina de alta sensibilidad.
Esta sustancia es un tipo de proteína que se encuentra en los músculos del corazón. Cuando éste sufre un daño, la libera al torrente sanguíneo. A medida que el deterioro aumenta, se libera más de ella en la sangre. Su detección, por tanto, es hoy la estrategia es la recomendada frente a un posible ataque al corazón, pero tiene algunas limitaciones importantes.
En virtud de ello, se recurre a la inteligencia artificial (IA) para brindar a los médicos una forma rápida y precisa de diagnosticar ataques cardíacos, lo que ofrecería una potencial reducción de tiempo en la realización de un diagnóstico y la de ofrecer un tratamiento más eficiente y efectivo a los pacientes. Los hallazgos de este estudio fueron publicados en la revista Nature Medicine.
Muchos hospitales en todo el mundo han adoptado vías de diagnóstico que incluyen la evaluación de los niveles de troponina cuando alguien ingresa con sospecha de ataque cardíaco. Método estrella para este tipo de diagnóstico, se realiza con la medición de los niveles de la troponina en la sangre, cuyos niveles generalmente aumentan bruscamente dentro de las tres a 12 horas posteriores a un ataque cardíaco, y alcanzan su punto máximo después de aproximadamente 24 horas.
Pero tienen algunas dificultades que ocasionan demoras en el tratamiento cuando éste se necesita. Por ejemplo, requieren la recolección de muestras de sangre en un tiempo fijo, lo que puede ser un desafío en el entorno del departamento de emergencias; solo categorizan a los pacientes como de bajo, intermedio o alto riesgo de infarto sin considerar otra información importante como cuándo comenzaron los síntomas o los hallazgos del electrocardiograma (ECG); y, no tienen en cuenta la influencia del sexo, la edad y las comorbilidades.
Nuevos cálculos
Ahora, en Reino Unido, se ha desarrollado un algoritmo de aprendizaje automático basado en IA que es rápido y preciso. Denominado Colaboración para el Diagnóstico y Evaluación del Síndrome Coronario Agudo (CoDE-ACS), el nuevo cálculo fue diseñado para determinar la probabilidad de un ataque al corazón para un paciente individual.
Se utilizaron datos de 10.286 personas que presentaron posibles ataques cardíacos en seis países de todo el mundo. Al algoritmo de aprendizaje automático se le enseñaron estimaciones utilizando el sexo, la edad, los hallazgos del ECG y el historial médico del sujeto, además de los niveles de troponina, para identificar la probabilidad de que hubiera ocurrido un ataque cardíaco.
En comparación con los métodos existentes, los investigadores encontraron que CoDE-ACS podía descartar un ataque cardíaco en más del doble de pacientes, con una precisión del 99,6%. El algoritmo predijo con precisión el ataque cardíaco en subgrupos, incluidos hombres y mujeres, personas mayores, individuos con insuficiencia renal (renal) o sujetos que se presentaron en el hospital poco después de la aparición de los síntomas.
El algoritmo CoDE-ACS podría evitar ingresos hospitalarios innecesarios en pacientes con pocas probabilidades de haber sufrido un ataque cardíaco o aquellos con bajo riesgo de sufrir daño en el músculo cardíaco o morir después de un ataque cardíaco. Esto haría que el tratamiento de emergencia fuera más eficiente y efectivo, identificando qué personas están seguras de irse a casa y cuáles necesitan quedarse para más pruebas.
Para los pacientes con dolor torácico agudo debido a un ataque cardíaco, el diagnóstico y el tratamiento tempranos salvan vidas. Desafortunadamente, muchas condiciones causan estos síntomas comunes y el diagnóstico no siempre es sencillo. Aprovechar los datos y la inteligencia artificial para respaldar las decisiones clínicas tiene un enorme potencial para mejorar la atención de los pacientes y la eficiencia en nuestros departamentos de emergencia ocupados.
También fueron parte del trabajo Dimitrios Doudesis, Kuan Ken Lee, Jasper Boeddinghaus, Anda Bularga, Amy V. Ferry, Chris Tuck, Matthew T. H. Lowry, Pedro Lopez-Ayala, Thomas Nestelberger, Luca Koechlin, Miguel O. Bernabeu, Lis Neubeck, Atul Anand, Karen Schulz, Fred S. Apple, William Parsonage, Jaimi H. Greenslade, Louise Cullen, John W. Pickering, Martin P. Than, Alasdair Gray y Christian Mueller.
*Nicholas Mills, es autor del estudio y especialista de la Fundación Británica del Corazón, perteneciente al Centro de la Universidad de Edimburgo para la Ciencia Cardiovascular.
