Un innovador modelo de inteligencia artificial desarrollado por investigadores de la Universidad Johns Hopkins puede detectar señales nunca antes vistas en pruebas de ECG y predecir complicaciones posquirúrgicas potencialmente mortales con una precisión sin precedentes.
Un nuevo modelo de inteligencia artificial revolucionará la forma en que los cirujanos predicen y gestionan las complicaciones posquirúrgicas, superando significativamente las puntuaciones de riesgo tradicionales que utilizan actualmente los médicos. Este innovador avance proviene de investigadores de la Universidad Johns Hopkins, quienes han utilizado IA para descubrir señales previamente no detectadas en electrocardiogramas (ECG) rutinarios.
Al aprovechar datos fisiológicos más complejos dentro de los resultados del ECG, el modelo de IA promete mejorar la toma de decisiones y los cálculos de riesgos tanto para los médicos como para los pacientes.
“Demostramos que un electrocardiograma básico contiene información pronóstica importante que no se puede identificar a simple vista”, declaró en un comunicado de prensa el autor principal, Robert D. Stevens, jefe de la División de Informática, Integración e Innovación de Johns Hopkins Medicine. “Solo podemos extraerla mediante técnicas de aprendizaje automático”.
Publicado Hoy en el British Journal of Anaesthesia, el estudio aborda una necesidad crítica en la comunidad médica.
Las puntuaciones de riesgo tradicionales, utilizadas para identificar a los pacientes que probablemente enfrenten complicaciones a causa de la cirugía, tienen una tasa de precisión de solo el 60%.
Se analizaron datos de ECG preoperatorios de aproximadamente 37,000 pacientes para entrenar los modelos de IA; un modelo se centró únicamente en los datos de ECG y otro modelo de “fusión” integró los resultados del ECG con los registros médicos de los pacientes.
Los resultados fueron convincentes. El modelo basado únicamente en ECG ya superaba las evaluaciones de riesgo existentes, pero el modelo de fusión fue aún más lejos, logrando una impresionante precisión del 85 % en la predicción de complicaciones posquirúrgicas, como infartos, accidentes cerebrovasculares o muerte, en los 30 días posteriores a la cirugía.
“Es sorprendente que podamos usar este diagnóstico rutinario, estos datos de 10 segundos, y predecir con tanta precisión si alguien morirá después de una cirugía”, añadió el autor principal, Carl Harris, estudiante de doctorado en ingeniería biomédica. “Tenemos un hallazgo realmente significativo que puede mejorar la evaluación del riesgo quirúrgico”.
Stevens profundizó en las implicaciones más amplias de estos hallazgos, destacando la amplia gama de información fisiológica que puede capturar un ECG, incluidos datos sobre la inflamación, el sistema endocrino, el metabolismo, los fluidos y los electrolitos.
"Si pudiéramos obtener un conjunto de datos realmente grande de resultados de ECG y analizarlo con aprendizaje profundo, pensamos que podríamos obtener información valiosa que actualmente no está disponible para los médicos", agregó Stevens.
El equipo también creó un método para identificar qué características del ECG podrían estar relacionadas con un ataque cardíaco o un derrame cerebral después de una cirugía.
“Imagínese que se somete a una cirugía mayor; en lugar de simplemente tener su ECG en su historial médico, donde nadie lo revisará, se procesa mediante un modelo, se realiza una evaluación de riesgos y se puede hablar con su médico sobre los riesgos y beneficios de la cirugía”, añadió Stevens. “Es un avance transformador en la forma en que evaluamos el riesgo de los pacientes”.
El nuevo modelo de IA no solo supone un avance significativo en la predicción de riesgos quirúrgicos, sino que también ofrece información que podría abrir nuevas vías de investigación.
El equipo está interesado en probar el modelo en conjuntos de datos más grandes y en estudios prospectivos que involucren a pacientes que estén a punto de someterse a una cirugía.
El equipo también está explorando otros posibles puntos de datos valiosos que la IA podría extraer de los ECG en el futuro.
Fuente: La Universidad Johns Hopkins