Cribado guiado por inteligencia artificial para la fibrilación auricular utilizando electrocardiograma durante el...

Área de la Ciencia:

• Cardiología
• La informática médica
• Inteligencia artificial en el cuidado de la salud

Sus antecedentes:

• Los ensayos previos de detección de la fibrilación auricular (FA) indican la necesidad de estrategias más específicas.
• La FA no detectada plantea un riesgo significativo de accidente cerebrovascular, lo que requiere mejores enfoques de diagnóstico.

Objetivo del estudio:

• Evaluar la eficacia de un enfoque de cribado dirigido guiado por algoritmos de inteligencia artificial (IA) para identificar la fibrilación auricular no reconocida anteriormente.
• Evaluar el rendimiento de la estratificación del riesgo impulsada por la IA en el cribado de AF.

Principales métodos:

• Un ensayo intervencionista pragmático y no aleatorizado en el que participaron pacientes con factores de riesgo de ACV y sin FA conocida.
• Monitoreo continuo del ritmo cardíaco ambulatorio durante hasta 30 días, con algoritmo de IA aplicado a electrocardiogramas (ECG) para la estratificación del riesgo (alto riesgo vs. bajo riesgo).
• Propensión de puntuación que coincide con los controles del mundo real para el análisis secundario.

Principales resultados:

• La fibrilación auricular se detectó en el 7,6% de los pacientes de alto riesgo y en el 1,6% de los pacientes de bajo riesgo.
• El cribado guiado por IA aumentó significativamente la detección de FA en comparación con la atención habitual (10,6% frente a 3,6% en el grupo de alto riesgo, p < 0, 0001).
• El algoritmo de IA demostró una asociación significativa con tasas de detección de FA más altas (OR 4,98, p=0,0002).

Conclusiones:

• Un enfoque de detección dirigido guiado por IA que aprovecha los datos clínicos existentes mejora la tasa de detección de la fibrilación auricular.
• Esta estrategia impulsada por la IA tiene potencial para mejorar la efectividad general de los programas de detección de fibrilación auricular.