Aprendizaje automático para el infarto de miocardio comparado con las vías de diagnóstico recomendadas por la guía

Área de la Ciencia:

• Cardiología
• La informática médica
• El aprendizaje automático en el cuidado de la salud

Sus antecedentes:

• El diagnóstico del síndrome coronario agudo (SAA) se basa en la evaluación clínica y las mediciones de troponina cardíaca.
• Las vías de diagnóstico actuales para el infarto de miocardio (IM) utilizan puntos de tiempo y umbrales fijos, que pueden no ser óptimos.
• La colaboración para el diagnóstico y la evaluación del síndrome coronario agudo (CoDE-ACS) es una herramienta de aprendizaje automático para la evaluación de la probabilidad de infarto de miocardio.

Objetivo del estudio:

• Evaluar el rendimiento diagnóstico de la herramienta CoDE-ACS en diferentes puntos de tiempo de medición de troponina cardíaca en serie.
• Comparar el rendimiento de CoDE-ACS con las vías de diagnóstico recomendadas para el infarto de miocardio.
• Evaluar la eficacia del CoDE-ACS en la identificación de las puntuaciones de baja y alta probabilidad para el IM de tipo 1.

Principales métodos:

• Un estudio prospectivo incluyó a 4105 pacientes con sospecha de infarto de miocardio en 12 sitios en 5 países.
• Se tomaron mediciones de troponina I cardíaca de alta sensibilidad en serie a las 0, 1 y 2 horas.
• Se evaluó el rendimiento diagnóstico de CoDE-ACS en comparación con las vías de la Sociedad Europea de Cardiología (ESC) y High-STEACS.

Principales resultados:

• CoDE-ACS identificó al 56% de los pacientes como de baja probabilidad en la presentación (VAN 99, 7%, sensibilidad 99, 0%), descartando más pacientes que las vías de ESC 0 horas y High-STEACS.
• A las 1 ó 2 horas, el CoDE-ACS identificó entre el 65% y el 68% como probabilidad baja (VAN 99, 7%) y entre el 18% y el 19% como probabilidad alta (VAN 64, 9% - 68, 8%).
• Las vías directrices identificaron menos pacientes de bajo riesgo (49% - 71%) con VPP y VNP variables, dejando más pacientes para observación adicional.

Conclusiones:

• CoDE-ACS demuestra un rendimiento consistente independientemente del tiempo de medición de la troponina en serie.
• La herramienta identifica una mayor proporción de pacientes de baja probabilidad en comparación con las vías recomendadas en la guía.
• Se necesita una evaluación prospectiva para determinar si la atención guiada por la probabilidad mejora el diagnóstico precoz del infarto de miocardio.