Solo en 2024 se realizaron más de 10.000 trasplantes de corazón en 59 países, según el Observatorio Global de Donación y Trasplante. Se trata de una intervención que puede salvar la vida del paciente, pero que exige una vigilancia constante. El principal riesgo tras la cirugía es el rechazo del órgano, es decir, que el sistema inmunitario del receptor identifique al corazón donado como un cuerpo extraño y lo ataque.
Para detectar ese rechazo a tiempo, la medicina ha dependido durante décadas de la biopsia endomiocárdica, un procedimiento que consiste en extraer quirúrgicamente un pequeño fragmento del músculo cardíaco y analizarlo bajo el microscopio en busca de inflamación u otros signos de alerta.
PUBLICIDAD
En los últimos años, dos análisis de sangre conocidos como AlloMap y AlloSure se sumaron al arsenal diagnóstico. El primero mide la actividad de ciertos genes vinculados al rechazo celular; el segundo rastrea fragmentos de ADN del donante en el torrente sanguíneo del receptor. Ambos resultan eficaces para descartar el rechazo cuando los resultados son negativos, pero comparten una debilidad: generan con frecuencia falsos positivos, lo que deriva en biopsias que, en definitiva, resultan innecesarias.
Un equipo de investigadores de NYU Langone Health desarrolló un modelo de inteligencia artificial que combina esos biomarcadores sanguíneos con electrocardiogramas, los registros de la actividad eléctrica del corazón que se obtienen mediante sensores colocados sobre la piel.
Según un estudio publicado en la revista The Journal of Heart and Lung Transplantation, el modelo integrado logró identificar correctamente al 94 % de los pacientes que no estaban sufriendo rechazo y habría evitado las 19 derivaciones a biopsia por falsos positivos que generaron los biomarcadores por sí solos. Es la primera comparación directa entre la inteligencia artificial aplicada a electrocardiogramas, los análisis de sangre y la combinación de ambos, contrastada con los resultados de biopsias confirmadas.
PUBLICIDAD
El electrocardiograma aporta una señal que los análisis de sangre no capturan
Cuando el cuerpo rechaza un corazón trasplantado, las alteraciones no se limitan a una sola vía biológica. El rechazo celular agudo, la forma más frecuente, produce anomalías simultáneas en al menos tres frentes independientes: la respuesta de los genes de defensa del receptor, el daño a las células del músculo cardíaco del donante y la forma en que el corazón trasplantado conduce sus impulsos eléctricos. Los biomarcadores existentes solo exploran los dos primeros; el electrocardiograma captura el tercero.
“Nuestros resultados destacan que los electrocardiogramas contienen abundancia de información fisiológica que puede utilizarse para mejorar sustancialmente la precisión de la detección y permitir un diagnóstico y tratamiento más tempranos para los pacientes con rechazo de trasplante cardíaco”, afirmó Lior Jankelson, profesor asociado en la División de Cardiología Leon H. Charney de la Escuela de Medicina Grossman de NYU y profesor asociado de ingeniería biomédica en NYU Tandon School of Engineering, según el comunicado de prensa.
La hipótesis central del trabajo parte de esa premisa: un modelo capaz de exigir concordancia entre las tres señales ganaría precisión incluso donde cada herramienta individual alcanza su límite. Si las tres fuentes de datos coinciden en señalar un problema, la probabilidad de que se trate de un rechazo real aumenta de manera considerable.
PUBLICIDAD
Cómo se construyó el modelo y qué mostró
Para desarrollar la herramienta, el equipo analizó de forma retrospectiva más de 5.300 registros de electrocardiogramas tomados a 2.357 receptores adultos de trasplante cardíaco atendidos entre 2018 y 2024, emparejados con sus biopsias correspondientes. Un algoritmo de aprendizaje profundo, diseñado para identificar patrones en datos complejos, fue entrenado con las señales de ocho derivaciones del electrocardiograma junto con variables clínicas como el tiempo transcurrido desde el trasplante y los antecedentes de rechazo previo.
Los resultados revelaron las limitaciones de cada herramienta por separado. El modelo basado solo en electrocardiogramas alcanzó una capacidad discriminatoria moderada, similar a la de AlloSure, mientras que AlloMap se ubicó apenas por encima del azar. Combinar ambos biomarcadores sin el electrocardiograma no mejoró la situación. En cambio, el modelo integrado que sumó las tres fuentes elevó el rendimiento de forma notable en el subgrupo de prueba y alcanzó una especificidad del 100%: no generó ningún falso positivo entre los 36 casos confirmados sin rechazo.
“El trasplante de corazón es un procedimiento complejo que requiere muchos recursos, y el rechazo es frecuente, pero tratable si se detecta a tiempo”, sostuvo Jankelson en el comunicado de prensa. “Combinar la disponibilidad de los electrocardiogramas con el apoyo de la inteligencia artificial puede ayudar a identificar el rechazo más temprano y salvar más vidas”, agregó.
PUBLICIDAD
Un avance prometedor con limitaciones que sus propios autores reconocen
El estudio subraya con cautela el alcance de sus hallazgos. El subgrupo de prueba incluyó apenas 38 muestras con solo dos eventos de rechazo confirmado, una cifra que los propios autores consideran insuficiente para validar los resultados. “Estas conclusiones, generadoras de hipótesis, sugieren que la concordancia entre compartimentos puede ayudar a discriminar el rechazo verdadero del ruido de los biomarcadores, pero el pequeño conjunto de prueba impide conclusiones definitivas”, según se detalla en el estudio.
Con todo, la estrategia propone un cambio de enfoque: en lugar de perfeccionar un único biomarcador, cruzar señales de naturaleza diferente para filtrar las alarmas falsas. Como siguiente paso, el equipo diseña un ensayo clínico en varios centros que prevé incluir entre 1.200 y 1.500 consultas en cuatro a seis hospitales especializados en trasplantes, con el objetivo de reunir al menos 50 eventos de rechazo confirmado por biopsia.
PUBLICIDAD