IA mejora detección de enfermedad valvular cardíaca.

Nuevas evidencias sugieren que la auscultación asistida por inteligencia artificial (IA) podría ayudar a los clínicos a detectar enfermedades valvulares cardíacas ocultas en una etapa más temprana, lo que podría transformar la detección cardíaca de primera línea y, al mismo tiempo, plantear importantes interrogantes sobre su implementación y equilibrio diagnóstico.

Estudio: Un estetoscopio digital habilitado con inteligencia artificial mejora la detección en el punto de atención de enfermedades valvulares cardíacas moderadas a graves. Crédito de la imagen: Natali _ Mis / Shutterstock

Un estudio prospectivo reciente publicado en la revista European Heart Journal Digital Health, comparó la precisión diagnóstica de los médicos de atención primaria que utilizan estetoscopios estándar con la de un estetoscopio digital habilitado con inteligencia artificial (IA), una tecnología relativamente nueva. El objetivo del estudio fue determinar si este último podía mejorar la precisión de los diagnósticos actuales de enfermedades valvulares cardíacas (EVC).

Los resultados del estudio revelaron que el sistema de IA demostró una sensibilidad del 92,3% para detectar EVC audibles, en comparación con el 46,2% de la atención estándar (P = 0,01). Si bien la herramienta de IA mostró una especificidad ligeramente menor, identificó el doble de casos de enfermedades moderadas a graves previamente no diagnosticadas, lo que sugiere su utilidad como complemento al cribado en lugar de un reemplazo de la evaluación clínica.

Antecedentes

La enfermedad valvular cardíaca es una afección cardíaca grave en la que una o más válvulas cardíacas, incluidas las válvulas aórtica, mitral, tricúspide o pulmonar, no se abren o cierran correctamente, interrumpiendo el flujo sanguíneo.

Los síntomas comunes incluyen dificultad para respirar, fatiga, dolor en el pecho y palpitaciones. La prevalencia de la enfermedad aumenta con la edad y se estima que afecta a más de la mitad de los adultos mayores de 65 años en algún grado, aunque la enfermedad moderada a grave es sustancialmente menos común.

El diagnóstico sigue siendo un desafío porque más de la mitad de los pacientes con enfermedad clínicamente significativa son asintomáticos.

Tradicionalmente, el diagnóstico se basa en la auscultación realizada por el clínico. Sin embargo, investigaciones previas sugieren que incluso los médicos generales experimentados logran una sensibilidad limitada al cribar a pacientes asintomáticos, lo que contribuye a un diagnóstico tardío y a la progresión de la enfermedad.

Diseño y métodos del estudio

El estudio exploró si los algoritmos de aprendizaje profundo, combinados con grabaciones acústicas digitales, podrían ayudar a detectar anomalías cardíacas que podrían pasar desapercibidas durante los exámenes de rutina.

Se trató de un estudio de precisión diagnóstica prospectivo de un solo brazo, realizado en tres clínicas de atención primaria entre junio de 2021 y mayo de 2023. La cohorte incluyó a 357 pacientes de 50 años o más que presentaban un riesgo cardiovascular elevado, pero que no tenían un diagnóstico previo de EVC ni un soplo cardíaco conocido.

Los factores de riesgo incluyeron hipertensión, índice de masa corporal (IMC) de 30 o más, diabetes, hiperlipidemia, fibrilación auricular, infarto de miocardio previo, accidente cerebrovascular o ataque isquémico transitorio, revascularización coronaria u otra enfermedad cardiovascular establecida.

Los participantes se sometieron a dos protocolos de cribado independientes.

En el cribado estándar de atención (SOC), los médicos de atención primaria (PCP) realizaron una auscultación cardíaca de cuatro puntos utilizando estetoscopios convencionales.

En el cribado aumentado con IA, los coordinadores del estudio registraron datos fonocardiográficos (PCG) utilizando un estetoscopio digital. Las grabaciones fueron analizadas por un algoritmo de IA aprobado por la FDA para detectar soplos cardíacos.

Todos los participantes se sometieron a una ecocardiografía para confirmar la enfermedad cardíaca estructural. Un panel de expertos independiente revisó las grabaciones de audio digitales para verificar la presencia de soplos audibles y desconocía los resultados de la IA.

La EVC audible se definió como una enfermedad moderada a grave confirmada por ecocardiografía, junto con un soplo audible confirmado por un experto, reconociendo que algunas enfermedades estructuralmente significativas pueden no producir un soplo audible claro.

Resultados del estudio

El sistema aumentado con IA superó sustancialmente la auscultación estándar al detectar la EVC audible. La sensibilidad fue del 92,3% para la IA en comparación con el 46,2% para el cribado SOC (P = 0,01).

Entre los casos confirmados, el examen estándar no detectó siete de trece pacientes, mientras que el sistema de IA solo perdió uno. Para la EVC moderada a grave previamente no diagnosticada, la IA identificó 12 casos, en comparación con los 6 detectados por los PCP.

Este aumento de la sensibilidad se acompañó de una reducción de la especificidad. El sistema de IA demostró una especificidad del 86,9%, en comparación con el 95,6% de los clínicos (P = 0,01).

Utilizando la ecocardiografía sola como estándar de referencia para la enfermedad moderada a grave, independientemente de la audibilidad del soplo, el sistema de IA aún superó la atención estándar, con una sensibilidad del 39,7% frente al 13,8% de los clínicos (P = 0,01).

Conclusiones

Este estudio sugiere que la integración de estetoscopios digitales habilitados con IA en la atención primaria podría mejorar sustancialmente la detección de EVC en comparación con la auscultación tradicional. Estas herramientas pueden funcionar como una segunda capa de apoyo al cribado, lo que permite una identificación y derivación más tempranas.

La detección temprana no se traduce automáticamente en mejores resultados clínicos, ya que este estudio evaluó la precisión diagnóstica en lugar de la gestión posterior o el pronóstico.

Varios autores informaron de afiliaciones con el fabricante del dispositivo, lo que debe tenerse en cuenta al interpretar los resultados a pesar de los conflictos de intereses revelados.

Una menor especificidad puede aumentar las derivaciones a ecocardiografías y la utilización de la atención médica, lo que subraya la necesidad de futuros análisis de rentabilidad.

Las limitaciones incluyen un tamaño de muestra modesto, un alcance geográfico limitado, detalles demográficos incompletos y falta de una evaluación sistemática de los síntomas. A pesar de estas limitaciones, los hallazgos indican que la ampliación con IA puede representar un avance significativo en el cribado cardíaco en el punto de atención.