Equipos de investigación del CIBERCV han desarrollado una aplicación pionera de machine learning, adaptada al estudio y seguimiento de la estenosis aórtica, una de las patologías cardíaca más frecuentes
La aorta es la principal arteria que lleva sangre fuera del corazón, en un circuito que comienza con la válvula aórtica. En la estenosis aórtica, la valvulopatía más común, esta válvula no se abre completamente y provoca la disminución del flujo de sangre desde el corazón.
La estenosis aórtica ocurre en aproximadamente el 2% de las personas mayores de 65 años (más frecuentemente en hombres), y es una causa importante de la morbilidad y mortalidad asociadas a patologías cardíacas.
La progresión de la enfermedad de leve a moderada es heterogénea, y requiere exámenes ecocardiográficos periódicos para evaluar la gravedad de la dolencia en quienes la padecen y adecuar los tratamientos y fármacos utilizados. El estudio, publicado en la revista JACC: Cardiovascular Imaging, y liderado por Pedro Luis Sánchez, investigador del CIBERCV en el Instituto de Investigación Biomédica de Salamanca (IBSAL), aplica inteligencia artificial para optimizar la vigilancia ecocardiográfica de la estenosis aórtica de forma automática.
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.
Referencia bibliográfica:
Machine Learning to Optimize the Echocardiographic Follow-Up of Aortic Stenosis. Antonio Sánchez-Puente, P. Ignacio Dorado-Díaz, Jesús Sampedro-Gómez, Javier Bermejo, Pablo Martinez-Legazpi, Francisco Fernández-Avilés, Javier Sánchez-González, Candelas Pérez del Villar, Víctor Vicente-Palacios, and Pedro L. Sánchez. J Am Coll Cardiol Img.
