Un algoritmo impulsado por IA predice con precisión los resultados de los procedimientos en las arterias cardíacas

 Investigadores de Michigan Medicine han aprovechado el poder de la inteligencia artificial (IA) para crear un algoritmo que predice con precisión la muerte y las complicaciones tras un procedimiento cardíaco crucial, conocido como intervención coronaria percutánea (ICP). Esta innovadora herramienta tiene el potencial de revolucionar la forma en que los médicos determinan el tratamiento para personas con arterias cardíacas obstruidas.

La intervención coronaria percutánea (ICP) es un procedimiento mínimamente invasivo que se utiliza para aliviar la obstrucción de las arterias mediante el inflado de un balón y, en algunos casos, la colocación de un stent para mejorar el flujo sanguíneo desde el corazón. Si bien conlleva menos riesgos que la cirugía abierta, como el bypass coronario, la ICP no está exenta de posibles complicaciones, como hemorragias y daño renal.

El principal desafío radica en evaluar el riesgo individual asociado con la ICP. La situación de cada paciente es única, y tanto pacientes como profesionales sanitarios han tenido dificultades para estimar el daño potencial de este procedimiento. Aquí es donde entra en juego el nuevo algoritmo basado en IA.

Predicción precisa de riesgos para una toma de decisiones informada

El investigador principal, el Dr. David E. Hamilton, becario de cardiología y cuidados críticos en Michigan Medicine, enfatiza la importancia de la predicción precisa del riesgo en el contexto de la ICP. Señala que esta herramienta puede reconocer una amplia gama de resultados tras la ICP, ofreciendo a los profesionales sanitarios y a los pacientes la información crucial que necesitan para tomar decisiones informadas sobre el tratamiento.

Tradicionalmente, han existido herramientas de estratificación de riesgo para la ICP, pero muchas de ellas carecen de precisión y no involucran a los pacientes en su desarrollo. El equipo de Michigan Medicine buscó corregir esto recopilando datos de pacientes adultos sometidos a ICP entre abril de 2018 y finales de 2021, utilizando el registro del Consorcio Cardiovascular Blue Cross Blue Shield de Michigan (BMC2).

Los investigadores emplearon el software avanzado de aprendizaje automático "XGBoost" para analizar más de 20 características preoperatorias, como la edad, la presión arterial y el colesterol total. Este enfoque integral permitió el desarrollo de un modelo basado en IA que demostró una precisión notable en la predicción de resultados críticos como la muerte, las hemorragias graves y la necesidad de transfusiones sanguíneas. Cabe destacar que este modelo de IA superó a sus predecesores, que se basaban en características preoperatorias similares.

Enfoque individualizado y centrado en el paciente

Lo que distingue a este algoritmo de IA es su enfoque centrado en el paciente. Incorpora la retroalimentación del Consejo Asesor de Pacientes de PCI, lo que garantiza que atienda las necesidades e inquietudes individuales. El objetivo es proporcionar a pacientes y profesionales de la salud una herramienta que facilite la toma de decisiones colaborativa y apoye la educación del paciente sobre los posibles riesgos asociados con la PCI.

Con la prevalencia de los teléfonos inteligentes y los historiales médicostron, existe un inmenso potencial para integrar esta herramienta de predicción de riesgos basada en IA en los sistemas de saludtron. Esto facilitaría su acceso a pie de cama, permitiendo a los profesionales sanitarios transmitir rápidamente información compleja y, al mismo tiempo, mejorar la comprensión de los pacientes sobre los riesgos asociados a la ICP.

Tecnología de IA accesible

La innovadora tecnología desarrollada por el equipo de Michigan Medicine se ha transformado en una aplicación intuitiva para computadoras y teléfonos, lo que garantiza un amplio acceso y usabilidad. Esta democratización de las herramientas de IA promete mejorar los resultados de los pacientes y optimizar la toma de decisiones compartida entre pacientes y profesionales clínicos.

Es fundamental reconocer el apoyo brindado por Blue Cross, Blue Shield of Michigan y Blue Care Network como parte del programa de Alianzas de Valor de BCBSM. Si bien Blue Cross Blue Shield of Michigan y BMC2 colaboraron estrechamente en esta investigación, las opiniones expresadas por el autor no necesariamente reflejan las de BCBSM ni las de sus empleados.