La comunicación interauricular (CIA) es una forma común de enfermedad cardíaca congénita en adultos que tiene el potencial de provocar insuficiencia cardíaca. Su naturaleza insidiosa a menudo resulta en un subregistro, ya que es posible que los síntomas no se manifiesten hasta que se desarrollen complicaciones graves e irreversibles.
ASD se caracteriza por un orificio en el tabique del corazón, lo que permite que la sangre fluya entre las aurículas izquierda y derecha.
Aunque la afección solo se diagnostica en el 0,1 % al 0,2 % de las personas, los síntomas suelen ser sutiles o están completamente ausentes hasta etapas posteriores de la vida.
Estos pueden incluir dificultad para realizar ejercicios extenuantes, palpitaciones cardíacas, ritmo cardíaco alterado y mayor riesgo de neumonía.
Incluso cuando el ASD es asintomático, puede ejercer presión sobre el corazón, lo que aumenta las posibilidades de complicaciones como fibrilación auricular, accidente cerebrovascular, insuficiencia cardíaca e hipertensión pulmonar.
Una vez que aparecen estas complicaciones, son irreversibles, incluso si el defecto subyacente se repara posteriormente.
Sin embargo, la detección temprana permite una corrección quirúrgica mínimamente invasiva, lo que mejora la esperanza de vida y minimiza las complicaciones.
El diagnóstico de ASD presenta sus desafíos.
Escuchar el corazón con un estetoscopio puede detectar los defectos más importantes, pero este método solo identifica alrededor del 30% de los casos.
Un ecocardiograma, aunque más preciso, requiere mucho trabajo y tiempo, lo que lo hace inadecuado para la detección generalizada.
La electrocardiografía (ECG), por otro lado, es rápida y se presta a la detección, pero tradicionalmente ha sufrido de sensibilidad limitada para detectar TEA.
Investigadores del Brigham and Women’s Hospital (Boston, MA, EUA) han dado un importante paso adelante al desarrollar un modelo de IA que supera a los métodos convencionales en la identificación de TEA a través de lecturas de ECG.
Entrenaron un modelo de aprendizaje profundo con datos de ECG de 80 947 pacientes, mayores de 18 años, que se sometieron a pruebas de ECG y ecocardiograma para ASD en tres hospitales diferentes en los EE. UU. y Japón.
El modelo se validó aún más utilizando escaneos de un hospital comunitario, donde mostró una sensibilidad superior en comparación con los métodos convencionales, detectando con precisión ASD el 93,7 % de las veces, mientras que el análisis en humanos basado en anomalías de ECG conocidas identificó ASD solo el 80,6 % de las veces.
Estos hallazgos resaltan el potencial de usar el análisis de ECG impulsado por IA para la detección de TEA a gran escala, dada la relativa asequibilidad y accesibilidad del ECG.
Esto podría ayudar a detectar la afección antes de que se convierta en un daño cardíaco irreversible. Sin embargo, los investigadores reconocieron limitaciones; incluso la combinación de ecocardiograma e IA podría pasar por alto algunos defectos, particularmente los más pequeños que podrían no requerir intervención quirúrgica.
«Si podemos implementar nuestro modelo en un examen de ECG a nivel de población, podríamos detectar muchos más de estos pacientes antes de que sufran daños irreversibles», dijo Shinichi Goto, MD, Ph.D., autor correspondiente del artículo. e instructor en la División de Medicina Cardiovascular del Brigham and Women’s Hospital.
