Gente de la Safor

Bienvenidos a Spain News Today.

La inteligencia artificial puede ayudar a los médicos a detectar ritmos cardíacos anormales antes

La inteligencia artificial puede ayudar a los médicos a detectar ritmos cardíacos anormales antes

Este artículo ha sido revisado según Science. Proceso de edición
Y Políticas.
Editores Se destacaron las siguientes características garantizando al mismo tiempo la credibilidad del contenido:

Revisión de hechos

Publicación revisada por pares

fuente confiable

Corrección de pruebas

Esquema y rendimiento de un algoritmo basado en aprendizaje profundo para identificar pacientes con fibrilación auricular activa o fibrilación auricular paroxística en el momento de la ETT. crédito: medicina digital npj (2024). doi: 10.1038/s41746-024-01090-z

× Cerca

Esquema y rendimiento de un algoritmo basado en aprendizaje profundo para identificar pacientes con fibrilación auricular activa o fibrilación auricular paroxística en el momento de la ETT. crédito: medicina digital npj (2024). doi: 10.1038/s41746-024-01090-z

Según un nuevo estudio, un programa de inteligencia artificial desarrollado por investigadores del Summit Heart Institute y sus colegas del Cedars-Sinai puede detectar un tipo de arritmia que puede pasar desapercibida durante las citas médicas.

Resultados, Publicado en medicina digital npjSugiere que algún día la IA podría usarse para analizar imágenes de una prueba de imagen común llamada ecocardiograma, que utiliza ondas sonoras para tomar fotografías del corazón.

Los ritmos cardíacos anormales a menudo son el resultado y también causan anomalías en la estructura del corazón. Los investigadores plantearon la hipótesis de que un software de inteligencia artificial entrenado para analizar ecocardiogramas podría ayudar a los médicos a detectar cambios tempranos y sutiles en los corazones de pacientes con arritmias no diagnosticadas.

«Pudimos demostrar que el algoritmo de aprendizaje profundo que desarrollamos se puede aplicar a ecocardiogramas para identificar pacientes con un trastorno anormal del ritmo cardíaco llamado fibrilación auricular», dijo Neil Yuan, MD, científico del Summit Heart Institute y médico principal y senior. médico. Autor correspondiente del estudio.

«La fibrilación auricular puede aparecer y desaparecer, por lo que es posible que no esté presente en una cita con el médico. Este algoritmo de IA identifica a los pacientes que pueden tener fibrilación auricular incluso cuando no está presente durante un estudio de ecocardiograma».

Durante la fibrilación auricular, las cámaras superiores del corazón a veces laten en sincronía con la cámara inferior y otras no, lo que a menudo dificulta la detección de una arritmia para los médicos. En algunas personas, la fibrilación auricular no causa síntomas. En otros casos, puede provocar palpitaciones cardíacas, fatiga, dificultad para respirar, mareos y otros síntomas que interfieren en la vida diaria. Si la fibrilación auricular no se trata, puede provocar un derrame cerebral e insuficiencia cardíaca.

Se estima que 12,1 millones de personas en Estados Unidos sufrirán fibrilación auricular en 2030, según los Centros para el Control y la Prevención de Enfermedades (CDC). Las muertes relacionadas con la fibrilación auricular han ido aumentando durante más de dos décadas, según datos de los CDC.

«Nos alienta que esta tecnología pueda detectar una afección grave que el ojo humano no puede detectar mientras observa un ecocardiograma», afirmó el Dr. David Ouyang, cardiólogo de la División de Cardiología del Summit Heart Institute e investigador del departamento. Inteligencia Artificial en Medicina, y uno de los autores principales del estudio.

«Puede usarse en pacientes que corren riesgo de sufrir fibrilación auricular o que tienen síntomas asociados con esta afección».

El equipo entrenó software para estudiar más de 100.000 vídeos de ecocardiogramas de pacientes con fibrilación auricular. El programa distingue entre ecocardiogramas que muestran el corazón en ritmo sinusal (un período de latido normal) y ecocardiogramas que muestran el corazón en un ritmo cardíaco irregular. El programa predijo qué pacientes con ritmo sinusal tenían o desarrollarían fibrilación auricular en un plazo de 90 días.

El modelo que evaluó las imágenes funcionó mejor que la estimación del riesgo basada en factores de riesgo conocidos.

«El hecho de que este programa predijera qué pacientes tenían fibrilación auricular activa o latente podría tener enormes aplicaciones clínicas», afirmó Christine M. Albert, MD, MPH, jefa de cardiología del Summit Heart Institute y autora del estudio. «Poder identificar a los pacientes con fibrilación auricular oculta podría permitirnos tratarlos antes de que experimenten un evento cardiovascular grave».

más información:
Neil Yuan et al., Evaluación del aprendizaje profundo de ecocardiogramas para identificar fibrilación auricular oculta, medicina digital npj (2024). doi: 10.1038/s41746-024-01090-z

Información de la revista:
medicina digital npj


READ  Los factores asociados con la esclerosis de la sustancia negra están asociados con la enfermedad de Parkinson