Un algoritmo de inteligencia artificial combinado con los sensores de electrocardiograma de un solo canal en smartwatches diagnosticó con precisión enfermedades cardíacas estructurales como capacidad de bombeo debilitada, válvulas dañadas o músculo cardíaco engrosado, según un estudio preliminar que se presentará en las Sesiones Científicas 2025 de la American Heart Association. Los investigadores señalaron que este es el primer estudio prospectivo que demuestra que un algoritmo de IA puede detectar múltiples enfermedades cardíacas estructurales basándose en mediciones tomadas desde un sensor de ECG de un solo canal en la parte posterior y la corona digital de un smartwatch.
Millones de personas usan smartwatches, y actualmente se utilizan principalmente para detectar problemas del ritmo cardíaco como la fibrilación auricular. Las enfermedades cardíacas estructurales, por otro lado, generalmente se encuentran con un ecocardiograma, una prueba de imagen por ultrasonido avanzada del corazón que requiere equipo especializado y no está ampliamente disponible para cribado rutinario. En nuestro estudio, exploramos si los mismos smartwatches que las personas usan todos los días también podrían ayudar a encontrar estas enfermedades cardíacas estructurales ocultas antes, antes de que progresen a complicaciones graves o eventos cardíacos.
Los investigadores desarrollaron el algoritmo de IA utilizando más de 266,000 registros de ECG de 12 canales de más de 110,000 adultos. Basándose en esta biblioteca de datos, desarrollaron un algoritmo para identificar enfermedades cardíacas estructurales a partir de un ECG de un solo canal que puede obtenerse utilizando sensores de smartwatch. Para este propósito, los investigadores aislaron solo uno de los 12 canales del ECG, que se asemeja al ECG de un solo canal en smartwatches. También tuvieron en cuenta la interferencia aleatoria en la señalización del ECG o "ruido" que podría surgir durante la grabación de un ECG de un solo canal utilizando smartwatches del mundo real.
El modelo de IA fue validado externamente utilizando datos de personas que buscan atención en hospitales comunitarios, así como datos de un estudio basado en la población de Brasil disponible en ELSA-Brasil. Luego, reclutaron prospectivamente a 600 participantes que se sometieron a ECG de un solo canal de 30 segundos utilizando un smartwatch para medir la precisión del algoritmo en un entorno del mundo real.
El análisis encontró que utilizando ECG de un solo canal obtenidos de equipos hospitalarios, el modelo de IA fue muy efectivo para distinguir personas con y sin enfermedad cardíaca estructural, obteniendo un 92% en una escala de rendimiento estándar. Entre los 600 participantes con ECG de un solo canal obtenidos de un smartwatch, el modelo de IA mantuvo un alto rendimiento del 88% para detectar enfermedad cardíaca estructural. El algoritmo de IA identificó con precisión a la mayoría de las personas con enfermedad cardíaca (86% de sensibilidad) y fue altamente preciso para descartar enfermedad cardíaca (99% de valor predictivo negativo).
Por sí solo, un ECG de un solo canal es limitado; no puede reemplazar una prueba de ECG de 12 canales disponible en entornos de atención médica. Sin embargo, con IA, se vuelve lo suficientemente potente como para cribar condiciones cardíacas importantes. Esto podría hacer posible el cribado temprano para enfermedades cardíacas estructurales a gran escala, utilizando dispositivos que muchas personas ya poseen.
Los investigadores utilizaron una base de datos de 266,054 ECG de 110,006 pacientes que recibieron pruebas y tratamiento en Yale New Haven Hospital entre 2015 y 2023 para desarrollar un algoritmo IA-ECG para detectar enfermedades cardíacas estructurales a partir de ECG de un solo canal. El algoritmo se comparó con ecografías cardíacas para ver si tenían enfermedad cardíaca estructural o no.
Para preparar el modelo de IA para interpretar señales de ECG de un solo canal del mundo real, los investigadores agregaron algo de "ruido" en la mezcla para el entrenamiento del modelo. Este pequeño ajuste ayudó a que la IA se volviera resistente y más confiable cuando se enfrentaba a señales menos que perfectas, haciéndola mejor para detectar enfermedades cardíacas estructurales incluso cuando los datos no son cristalinos.
Durante el estudio prospectivo del mundo real, 600 pacientes usaron el mismo tipo de smartwatch con un sensor de ECG de un solo canal durante 30 segundos el mismo día en que se sometían a una ecografía cardíaca. La mediana de edad de los participantes fue de 62 años, y aproximadamente la mitad eran mujeres, 44% blancos no hispanos, 15% negros no hispanos, 7% hispanos, 1% asiáticos y 33% otros. Aprocuadamente el 5% presentaba enfermedad cardíaca estructural en la ecografía cardíaca.
Las limitaciones del estudio incluyen un pequeño número de pacientes con la enfermedad real en el estudio prospectivo y el número de resultados falsos positivos. Los investigadores planean evaluar la herramienta de IA en entornos más amplios y explorar cómo podría integrarse en programas de cribado de enfermedades cardíacas basados en la comunidad para evaluar su impacto potencial en la mejora de la atención preventiva.
