Una inteligencia artificial es capaz de predecir si un paciente morirá pronto de un paro cardíaco

Un grupo de científicos de la Universidad Johns Hopkins ha desarrollado un modelo de inteligencia artificial capaz de predecir con alta precisión si un paciente sufrirá muerte súbita por un paro cardíaco.

Este avance, publicado en la revista Nature Cardiovascular Research, abre nuevas posibilidades para la identificación temprana de personas en riesgo y podría reducir intervenciones médicas innecesarias.

La herramienta, denominada MAARS, funciona analizando imágenes cardíacas junto con el historial médico completo del paciente. Así, logra detectar aquellos casos que presentan un mayor peligro, superando la capacidad de los métodos clínicos tradicionales.

Qué logra la inteligencia artificial que los métodos humanos todavía no han podido

El gran diferencial del modelo MAARS reside en su aptitud para examinar imágenes de resonancia magnética con una profundidad inédita hasta ahora.

A diferencia de los médicos, que solo pueden extraer algunos datos visibles de estas imágenes, la IA identifica patrones críticos de fibrosis o cicatrización en el corazón, que se relacionan directamente con el riesgo de muerte súbita cardíaca.

Natalia Trayanova, líder del estudio, según cita La Razón, argumenta: “Podemos predecir con gran precisión si un paciente tiene un riesgo muy alto de muerte súbita cardíaca o no”.

El modelo se destaca al lograr una tasa de acierto del 89% en todos los pacientes analizados, frente al 50% de precisión que logran las guías clínicas actuales. Este porcentaje se eleva al 93% para personas entre 40 y 60 años, quienes representan la población con mayor riesgo.

Por qué la miocardiopatía hipertrófica es un reto para los especialistas médicos

La miocardiopatía hipertrófica está considerada una de las cardiopatías hereditarias más comunes y afecta a entre una de cada 200 a una de cada 500 personas en el mundo. A pesar de que muchos pacientes llevan una vida sin complicaciones, hay un grupo cuyo peligro de muerte súbita es más alto.

Hasta el momento, identificar a los pacientes que realmente necesitan un desfibrilador o protección adicional, ha sido casi imposible para los especialistas.

Según el medio mencionado, Jonathan Crispin, coautor del trabajo, dice: “Nuestro estudio demuestra que el modelo de IA mejora nuestra capacidad para predecir a las personas con mayor riesgo en comparación con nuestros algoritmos actuales y, por lo tanto, tiene el poder de transformar la atención clínica”.

Cómo opera el modelo MAARS para analizar el corazón

El modelo analiza de forma conjunta imágenes cardíacas recopiladas por resonancia magnética, y toda la información relevante del historial clínico del paciente.

Aprovecha técnicas de aprendizaje profundo para descubrir patrones hasta ahora ignorados en las imágenes, sobre todo aquellos vinculados a la fibrosis miocárdica.

“No se ha utilizado el aprendizaje profundo en esas imágenes”, afirma Trayanova. “Podemos extraer esta información oculta en las imágenes que normalmente no se tiene en cuenta”.

Gracias a este enfoque, la IA puede anticipar la aparición de arritmias letales y muerte súbita, con una exactitud muy superior a la de los métodos convencionales.

Qué impacto puede tener este desarrollo en la calidad de vida de los pacientes

Actualmente, muchos pacientes portan desfibriladores implantados de manera preventiva durante años, aunque nunca llegan a necesitarlos, lo que supone riesgos y molestias innecesarias.

La herramienta desarrollada por los investigadores de Johns Hopkins permite un enfoque mucho más personalizado, identificando a quienes sí requieren protección y evitando intervenciones injustificadas en otros.

Según Trayanova, “tenemos pacientes que mueren en la flor de la vida por falta de protección, y otros que soportan desfibriladores el resto de sus vidas sin obtener ningún beneficio”. El modelo MAARS apunta a revertir esta situación al ofrecer diagnósticos ajustados a cada caso.

Tras los resultados obtenidos en pacientes con miocardiopatía hipertrófica, se busca ampliar el uso del modelo a otras patologías cardiovasculares como la sarcoidosis cardíaca y la miocardiopatía arritmogénica del ventrículo derecho.