La Inteligencia Artificial mejora el seguimiento de una patología cardíaca muy común en personas mayores

Resultados del estudio

Los resultados del estudio muestran que el aprendizaje automático permite desarrollar una programación personalizada, automatizada y en tiempo real del examen ecocardiográfico de seguimiento de los pacientes con estenosis aórtica leve o moderada. En comparación con las directrices europeas y americanas, el modelo reduce el número de exámenes de los pacientes en un 49 % (EU) y 13% (US).

Así, la aplicación del modelo redundaría no solo en una mayor capacidad predictiva del avance de la enfermedad, con la consiguiente mejora de los tratamientos, sino que también permitiría un ahorro considerable en la gestión de los recursos sanitarios y diagnósticos disponibles, un elemento importante si se tiene en cuenta la prevalencia de esta patología cardíaca.

En el trabajo han participado varios grupos del CIBERCV, liderados por el investigador Pedro Luis Sánchez Fernández, investigador del CIBERCV en el Instituto de Investigación Biomédica de Salamanca (IBSAL); y del Centro de Investigación Biomédica en Red del Instituto de Salud Carlos III. Además, el estudio se ha llevado a cabo con la colaboración de la empresa Philips. En el marco de colaboración científica entre IBSAL y Philips, entre ambos han desarrollado el algoritmo y comparten la patente registrada.

Los equipos de investigación entrenaron, validaron y aplicaron externamente un modelo de aprendizaje automático para predecir si un paciente con estenosis aórtica de leve a moderada desarrollará una valvulopatía grave en 1, 2 o 3 años.

Los datos demográficos y ecocardiográficos de los pacientes para desarrollar el modelo se obtuvieron a partir de 4.633 ecocardiogramas de 1.638 pacientes consecutivos. Los datos obtenidos a partir de este calendario de vigilancia ecocardiográfica se compararon con las recomendaciones de seguimiento ecocardiográfico de las guías europeas y americanas.

Sobre el CIBER: