Este nuevo método permitiría fijar con exactitud el lugar de origen de las arritmias ventriculares, lo que mejoraría la eficacia de una de las técnicas terapéuticas más frecuentes, basada en la introducción de catéteres emisores de radiofrecuencia para contrarrestar la alteración del ritmo cardíaco.
Mediante nuevas técnicas de inteligencia artificial, como las de aprendizaje automático, será posible determinar con precisión dónde se desencadenan algunas arritmias cardíacas. Ese es el objetivo de una investigación liderada por la Universidad Pompeu Fabra de Barcelona (UPF), publicada recientemente en la revista Frontiers in Cardiovascular Medicine.
Fijar el lugar de origen de estas arritmias permitirá aumentar la eficacia de uno de los procedimientos más habituales para tratarlas: la ablación por radiofrecuencia, que esencialmente consiste en la introducción de un catéter en uno de los ventrículos del corazón, con la que se emite la radiofrecuencia necesaria para eliminar la alteración del ritmo cardíaco.
Todas las arritmias ventriculares se deben a alteraciones del ritmo normal del corazón que se inician en las cavidades internas del órgano (los ventrículos), pero las hay de diferentes tipologías. Este nuevo estudio se refiere 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.
La investigación realizada ha demostrado la eficacia de este método en arritmias ventriculares originadas tanto en el ventrículo derecho como en el izquierdo, a partir de un estudio que ha combinado el análisis de 2.496 casos simulados con el de pacientes reales.
De este segundo grupo, se ha examinado 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.).
Este acercamiento multimodal e interpretable es clave para el trabajo entre médicos e ingenieros, ya que permite realizar aportaciones a la metodología de ambas partes
“La metodología utilizada hace que el sistema sea robusto y garantiza interpretabilidad para cualquier análisis posterior, por ejemplo, la identificación del sitio de origen específico de la arritmia”, asegura Álvaro J. Bocanegra-Pérez, investigador del grupo Physense de la UPF.
“Este acercamiento multimodal e interpretable es clave para el trabajo entre médicos e ingenieros, ya que permite realizar aportaciones a la metodología de ambas partes”, añade. Actualmente, más allá de la medicación para corregir las alteraciones del ritmo cardíaco, el tratamiento más frecuente de la arritmia OTVA es la ablación por radiofrecuencia.
Para aplicar la técnica de ablación por radiofrecuencia, es necesario primero realizar un mapeo del circuito eléctrico que origina una arrítmica 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.
Hasta ahora, 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.
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.
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.
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.
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).
Esto 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.
Referencia:
Álvaro J. Bocanegra-Pérez et al.: “Automatic and interpretable prediction of the site of origin in outflow tract ventricular arrhythmias: machine learning integrating electrocardiograms and clinical data”. Front. Cardiovasc. Med. 2024.
El grupo Nature publica hoy un paquete de artículos en varias de sus revistas que en conjunto supone un análisis sin precedentes sobre el cáncer y que da un giro a lo que se sabía hasta ahora. Arroja luz incluso sobre cómo prevenir esta patología que, como alertaba la OMS al principio de este año, sigue una trayectoria al alza.
Investigadores de EE UU confirman que los humanos somos capaces de detectar la estructura básica de una frase casi tan rápido como se reconoce una escena visual: en unos 150 milisegundos, es decir, la velocidad de un parpadeo.
