A través de nuevas técnicas de inteligencia artificial (IA) así como de aprendizaje automático, se podrán determinar precisamente en dónde se desencadenan algunas arritmias cardíacas, precisamente las ventriculares del tracto de salida. Estas nuevas técnicas se abarcan en una investigación liderada por la Universidad Pompeu Fabra de Barcelona (UPF) que se publicó en Frontiers in Cardiovascular Medicine.
Poder precisar el origen de las arritmias ayuda a aumentar la eficacia en uno de los procedimientos más habituales para tratarlas que es la ablación por radiofrecuencia. La misma consiste en introducir un catéter en uno de los ventrículos del corazón con el que se emite la radiofrecuencia necesaria para eliminar la alteración del ritmo cardíaco.
Arritmias ventriculares del tracto de salida
Las denominadas arritmias ventriculares se producen por alteraciones del ritmo normal del corazón que inician en las cavidades internas del órgano (los ventrículos), pero las hay de diferentes tipologías. En esta investigación, se trabaja en torno a la arritmia ventricular del tracto de salida (OTVA por sus siglas en inglés), la región que conecta los ventrículos con las principales arterias.
La OTVA es la manifestación más común de las denominadas arritmias ventricular idiopáticas, aquellas que se producen por causas que no se pueden identificar a través de los métodos convencionales o en pacientes sin cardiopatías estructurales, por lo que es más difícil precisar sus motivos.
Esta investigación demostró la eficacia de este método en arritmias ventriculares originadas tanto en el ventrículo derecho como en el izquierdo, a partir de un estudio que combinó el análisis de 2.496 casos simulados con el de pacientes reales. De este segundo grupo, se examinó el caso de 114 pacientes del Hospital Teknon en Barcelona y 31 del Hospital Clínic de Barcelona y otros 334 correspondientes a un estudio realizado en China (Zheng et al.).
Según detallaron los investigadores, la metodología utilizada genera que el sistema sea robusto y así se garantice interpretabilidad para cualquier análisis posterior, por ejemplo, la identificación del sitio de origen específico de la arritmia.
En este sentido, el acercamiento multimodal e interpretable que se logra resulta clave para el trabajo entre médicos e ingenieros, ya que permite realizar aportaciones a la metodología de ambas partes. En la actualidad, además de la medicación para corregir las alteraciones del ritmo cardíaco, el tratamiento más frecuente de la arritmia OTVA es la ablación por radiofrecuencia.
Mayores probabilidades de tratamientos precisos
Para aplicar la técnica de ablación por radiofrecuencia, es necesario primero realizar un mapeo del circuito eléctrico que origina una arritmia cardíaca para después ubicar el catéter emisor de radiofrecuencia en la zona del trastorno. Esto genera el aumento de temperatura necesario para eliminar la parte específica del tejido cardíaco donde se desencadena la arritmia.
En la actualidad, la efectividad de estos tratamientos está por debajo de lo deseable. Para mejorarla, es necesario precisar más el lugar de origen de la arritmia, de modo que el catéter emisor pueda actuar sobre la zona exacta donde se origina. Esto aumentaría las probabilidades de éxito del tratamiento y se reducirían los tiempos de intervención y las tasas de recaída.
Los métodos diagnósticos actuales se basan fundamentalmente en el análisis de los electrocardiogramas (ECG) realizados antes de la operación, a partir de la inspección visual realizada por profesionales médicos. Pese a su experiencia, la inspección visual está sujeta al error humano y puede derivar en diagnósticos equivocados o poco precisos, lo que a su vez puede reducir la eficacia del tratamiento por debajo de los niveles óptimos.
En el nuevo artículo, los investigadores proponen un modelo basado en IA y Machine learning que puede mejorar sustancialmente la precisión de diagnósticos y tratamientos actuales de las arritmias OVTA. Durante los últimos años ya se han desarrollado métodos más avanzados para tratar de superar las limitaciones de las inspecciones visuales de los electrocardiogramas a partir de modelos computacionales y enfoques de aprendizaje automático (ML). A pesar de ello, los métodos ideados hasta ahora todavía presentan limitaciones.
Precisión de los diagnósticos
El actual estudio consigue el análisis de forma integrada y automática de datos clínicos reales referentes a la edad, sexo y antecedentes médicos del paciente (especialmente sobre si ha sufrido previamente hipertensión o no y electrocardiogramas (tanto reales como simulados por métodos computacionales). Este estudio logra el análisis de forma integrada y automática de datos clínicos reales referentes a la edad, sexo y antecedentes médicos del paciente.
Esta cuestión permitirá precisar el lugar de origen de las arritmias en cada caso particular, reducir el margen de error respecto a las inspecciones visuales, además de facilitar la interpretación de los resultados. Más allá de esta investigación, habrá que seguir trabajando en esta línea de investigación, analizando datos de un mayor número de pacientes para articular un sistema más robusto con potencial para generalizarse a la práctica clínica.