Estratificación del riesgo de dolor en el pecho en el departamento de emergencias utilizando inteligencia artificial...

Área de la Ciencia:

• Cardiología
• Inteligencia artificial
• Diagnóstico médico

Sus antecedentes:

• La evaluación estandarizada del dolor en el pecho en los departamentos de emergencia (ED) se enfrenta a desafíos con la evaluación subjetiva y las pruebas de diagnóstico inconsistentes.
• Estas limitaciones contribuyen al aumento de los costos, las disparidades en la atención médica y los resultados adversos para los pacientes.
• La inteligencia artificial (IA) presenta una vía prometedora para automatizar y mejorar el proceso de estratificación del riesgo para los pacientes con dolor en el pecho.

Objetivo del estudio:

• Desarrollar y validar un clasificador basado en IA, el dolor torácico-AI (CP-AI), para predecir diagnósticos cardiovasculares importantes dentro de los 7 días de la presentación de la disfunción eréctil.
• Comparar el rendimiento del CP-AI con los modelos convencionales de estratificación del riesgo.
• Evaluar el potencial de CP-AI para estandarizar y acelerar la estratificación del riesgo en pacientes con dolor torácico agudo.

Principales métodos:

• Se utilizó una cohorte retrospectiva de 15.048 pacientes con ED para entrenar un clasificador de red neuronal (CP-AI).
• CP-AI utilizó datos demográficos de pacientes, biomarcadores cardíacos (dimero D, troponina) y representaciones de electrocardiograma (ECG) derivadas del aprendizaje profundo.
• El rendimiento se evaluó en un conjunto de validación externa de 14.476 pacientes utilizando el Área Bajo la Curva de Características Operativas del Receptor (AUROC) y el Área Bajo la Curva de Precisión-Recall (AUPRC), comparando CP-AI con un Modelo de Biomarcadores.

Principales resultados:

• CP- AI obtuvo un AUROC de 0,82 (IC del 95%: 0,81-0,83) y un AUPRC de 0,46 (IC del 95%: 0,44-0,49).
• El modelo de biomarcadores arrojó un AUROC de 0,79 (95% IC 0,78- 0,81) y un AUPRC de 0,35 (95% IC 0,33- 0,37).
• CP-AI demostró un rendimiento superior estadísticamente significativo (p < 0,05) en la predicción del resultado compuesto de 7 días de diagnósticos cardiovasculares importantes y mortalidad por cualquier causa en comparación con el modelo de biomarcadores.

Conclusiones:

• El clasificador automatizado de redes neuronales, CP-AI, superó significativamente a los modelos convencionales en la predicción de diagnósticos cardiovasculares importantes a los 7 días para pacientes con dolor agudo en el pecho.
• CP-AI muestra potencial para estandarizar y acelerar el proceso de estratificación de riesgos en los departamentos de emergencia.
• Esta herramienta de IA puede ayudar a mitigar las inconsistencias de diagnóstico y mejorar los resultados de los pacientes para las presentaciones de dolor agudo en el pecho.