¿Pueden los electrocardiogramas ayudar a los médicos a usar IA para detectar embolias pulmonares?
En un estudio piloto, investigadores de la Escuela de Medicina Icahn en Mount Sinai demostraron que los algoritmos de IA que se basan en electrocardiogramas y registros de salud electrónicos podrían algún día ayudar a los médicos a detectar embolias pulmonares . Crédito: Laboratorios Gicksberg y Nadkarni, Mount Sinai, NY, NY
Las embolias pulmonares son coágulos de manchas peligrosos que obstruyen los pulmones. En un estudio piloto, los científicos de la Escuela de Medicina Icahn en Mount Sinai demostraron por primera vez que los algoritmos de inteligencia artificial (IA) pueden detectar signos de estos coágulos en electrocardiogramas (EKG), un hallazgo que algún día podría ayudar a los médicos con la detección. .
Los resultados publicados en el European Heart Journal-Digital Health sugirieron que los nuevos algoritmos de aprendizaje automático, que están diseñados para explotar una combinación de EKG y datos de registros de salud electrónicos (EHR), pueden ser más efectivos que las pruebas de detección utilizadas actualmente para determinar si los pacientes de riesgo moderado a alto realmente tienen embolias pulmonares.
El estudio fue dirigido por Sulaiman S. Somani, MD, ex estudiante de medicina en el laboratorio de Benjamin S. Glicksberg, Ph.D., Profesor asistente de Genética y Ciencias Genómicas y miembro del Instituto Hasso Plattner para la Salud Digital en Mount Sinai.
Las embolias pulmonares ocurren cuando los coágulos de sangre en las venas profundas, generalmente formados en las piernas o los brazos, se desprenden y obstruyen arterias pulmonares Estos coágulos pueden ser letales o causar daño pulmonar a largo plazo. Aunque algunos pacientes pueden experimentar dificultad para respirar o dolor en el pecho, estos síntomas también pueden indicar otros problemas que no tienen nada que ver con los coágulos de sangre, lo que dificulta que los médicos diagnostiquen y traten adecuadamente los casos. Además, los diagnósticos oficiales actuales se basan en angiografías pulmonares por tomografía computarizada (CTPA, por sus siglas en inglés), que son exploraciones torácicas que consumen mucho tiempo y que solo se pueden realizar en hospitales selectos y requieren que los pacientes estén expuestos a niveles de radiación potencialmente peligrosos.
Para hacer que los diagnósticos sean más fáciles y accesibles, los investigadores han dedicado más de 20 años a desarrollar programas informáticos avanzados, o algoritmos, diseñados para ayudar a los médicos a determinar si los pacientes en riesgo realmente están experimentando embolias pulmonares. Los resultados han sido mixtos. Por ejemplo, los algoritmos que usaron EHR han producido una amplia gama de tasas de éxito para detectar coágulos con precisión y pueden requerir mucho trabajo. Mientras tanto, los más precisos dependen en gran medida de los datos de los CTPA.
En este estudio, los investigadores encontraron que la fusión de algoritmos que se basan en datos de EKG y EHR puede ser una alternativa eficaz, porque los EKG están ampliamente disponibles y son relativamente fácil de administrar.
Los investigadores crearon y probaron varios algoritmos en datos de 21,183 pacientes del Sistema de Salud Mount Sinai que mostraron signos de sospecha moderada a alta de tener embolias pulmonares. Mientras que algunos algoritmos fueron diseñados para usar datos de EKG para detectar embolias pulmonares, otros fueron diseñados para usar datos de EHR. En cada situación, el algoritmo aprendió a identificar un caso de embolia pulmonar comparando los datos de EKG o EHR con los resultados correspondientes de CTPA. Finalmente, se creó un tercer algoritmo de fusión al combinar el algoritmo EKG de mejor rendimiento con el EHR de mejor rendimiento.
Los resultados mostraron que el modelo de fusión no solo superó a sus algoritmos principales, sino que también fue mejor en identificar casos específicos de embolia pulmonar que la puntuación de Ginebra revisada según los criterios de Wells y otras tres pruebas de detección utilizadas actualmente. Los investigadores estimaron que el modelo de fusión fue entre un 15 y un 30 por ciento más efectivo en la detección precisa de casos de embolia aguda, y el modelo funcionó mejor en la predicción de los casos más graves. Además, la precisión del modelo de fusión se mantuvo constante independientemente de si la raza o el sexo se probaron como un factor, lo que sugiere que puede ser útil para evaluar una variedad de pacientes.
Según los autores, estos resultados respaldan la teoría de que Los datos del electrocardiograma pueden incorporarse de manera efectiva en los nuevos algoritmos de detección de embolia pulmonar. Planean seguir desarrollando y probando estos algoritmos para su posible utilidad en la clínica.
Explore más
La prueba del dímero D sigue siendo útil para descartar embolias pulmonares en pacientes hospitalizados con COVID-19 Más información: Sulaiman S Somani et al, Development of a machine learning model using electrocardiogram señales para mejorar el cribado de la embolia pulmonar aguda, European Heart Journal-Digital Health (2021). DOI: 10.1093/ehjdh/ztab101 Proporcionado por The Mount Sinai Hospital Cita: ¿Pueden los electrocardiogramas ayudar a los médicos a utilizar la IA para detectar embolias pulmonares? (21 de diciembre de 2021) recuperado el 29 de agosto de 2022 de https://medicalxpress.com/news/2021-12-ekgs-doctors-ai-pulmonary-embolisms.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.