IA y electrocardiogramas: un modelo podría predecir el riesgo de ACV hasta 10 años antes

Un electrocardiograma suele durar apenas unos minutos. Se utiliza todos los días en hospitales y consultorios para evaluar el ritmo cardíaco, detectar arritmias o controlar problemas cardiovasculares. Ahora, una investigación del Mass General Brigham sugiere que ese mismo estudio podría servir también para anticipar el riesgo de sufrir un accidente cerebrovascular (ACV) muchos años antes de que aparezcan los primeros síntomas.

Los investigadores desarralloraron un modelo de inteligencia artificial capaz de estimar la probabilidad de padecer un ictus isquémico hasta 10 años en el futuro utilizando únicamente un electrocardiograma convencional, además de datos básicos como la edad y el sexo de la persona.

El avance, publicado en la revista JACC, podría representar un cambio importante en la prevención cardiovascular. La herramienta, denominada ECG2Stroke, fue entrenada a partir de más de 200.000 registros clínicos y mostró una capacidad predictiva comparable a métodos médicos tradicionales mucho más complejos.

Cómo funciona el modelo de inteligencia artificial

El sistema fue diseñado para analizar electrocardiogramas de 12 derivaciones, el formato estándar utilizado en la práctica clínica cotidiana.

Aunque para la mayoría de las personas el estudio solo parece mostrar líneas y picos sobre una pantalla o un papel, en realidad contiene una enorme cantidad de información sobre la actividad eléctrica del corazón. La inteligencia artificial fue entrenada para detectar patrones extremadamente sutiles dentro de esos registros que podrían estar relacionados con un mayor riesgo de ictus en el futuro.

A diferencia de muchas herramientas médicas tradicionales, el modelo no requiere estudios invasivos ni cálculos complejos. Solo necesita un electrocardiograma de rutina y datos demográficos básicos.

Qué es un ictus y por qué detectarlo antes puede ser clave

El ictus —también conocido como accidente cerebrovascular o ACV— ocurre cuando el flujo sanguíneo hacia una parte del cerebro se interrumpe o disminuye de manera brusca. Cuando eso sucede, las neuronas dejan de recibir oxígeno y nutrientes. En pocos minutos pueden comenzar daños permanentes.

Los ictus isquémicos, que representan la mayoría de los casos, suelen producirse por coágulos que bloquean arterias cerebrales. Muchos factores pueden aumentar el riesgo: hipertensión arterial, diabetes, tabaquismo, colesterol elevado o determinadas alteraciones cardíacas.

Uno de los problemas más importantes es que muchas personas desconocen que tienen alto riesgo hasta que aparece el evento agudo. Por eso, los investigadores consideran que herramientas predictivas como ECG2Stroke podrían cambiar la lógica de la prevención: identificar antes a quienes necesitan controles más intensivos o tratamientos específicos.

Comparación con los métodos médicos tradicionales

Para evaluar su rendimiento, el modelo fue comparado con el Perfil Revisado de Riesgo de Ictus de Framingham, una de las herramientas más utilizadas históricamente para calcular riesgo cardiovascular.

Según explicó Rahul Mahajan, neurólogo y coautor del estudio, muchas escalas tradicionales presentan dificultades para ser aplicadas de manera masiva en la práctica diaria.

“Las herramientas actuales para identificar qué pacientes tienen mayor riesgo de ictus suelen exigir cálculos complejos, no son fácilmente ampliables y, por eso, apenas se emplean en la práctica rutinaria”, señaló el especialista en un comunicado de prensa difundido por la universidad.

El análisis mostró que el nuevo modelo mantuvo resultados consistentes en diferentes hospitales y poblaciones.

Los investigadores validaron el algoritmo en tres grandes centros médicos. En el Massachusetts General Hospital participaron más de 100.000 personas; en Brigham and Women’s Hospital, casi 69.000; y en Beth Israel Deaconess Medical Center, cerca de 30.000.

Durante el seguimiento de 10 años se registraron miles de casos de ictus, lo que permitió comparar la precisión predictiva del sistema con métodos clínicos ya establecidos.

Qué tipo de ictus logra detectar mejor la herramienta

Uno de los hallazgos más relevantes fue la capacidad del modelo para anticipar especialmente el riesgo de ictus cardioembólico. Este tipo de accidente cerebrovascular ocurre cuando se forman coágulos dentro del corazón que luego viajan hacia el cerebro y bloquean vasos sanguíneos. Muchas veces esos coágulos están asociados con alteraciones del ritmo cardíaco, como la fibrilación auricular.

El algoritmo logró detectar señales vinculadas con cambios eléctricos en la aurícula, la cavidad superior del corazón encargada de recibir la sangre que llega desde el cuerpo. Según explicó Shaan Khurshid, cardiólogo y coautor del trabajo, la herramienta también podría ayudar a comprender mejor ciertas alteraciones cardíacas todavía poco estudiadas.

Los investigadores observaron que el modelo mantuvo una correlación estable incluso entre personas con y sin fibrilación auricular.

A pesar de los resultados alentadores, los autores remarcan que el sistema todavía necesita más validaciones antes de incorporarse ampliamente a la práctica clínica.

Hasta ahora, el modelo fue probado utilizando registros hospitalarios ya existentes. El próximo paso será comprobar cómo funciona en estudios prospectivos y en condiciones reales de atención médica cotidiana.

Más allá de las limitaciones actuales, el estudio refleja una tendencia cada vez más fuerte dentro de la medicina: utilizar inteligencia artificial para detectar señales invisibles para el ojo humano en estudios clínicos habituales.

Si futuros estudios confirman su utilidad clínica, modelos de este tipo podrían ayudar a identificar antes a personas con alto riesgo cardiovascular y permitir intervenciones preventivas más precisas.