Desarrollo y validación de un algoritmo de aprendizaje profundo para la exclusión de la enfermedad arterial coronaria...

Área de la Ciencia:

• Cardiología
• Inteligencia artificial
• Diagnóstico médico

Sus antecedentes:

• Las directrices actuales para la enfermedad arterial coronaria (CAD) utilizan umbrales de probabilidad de pretest (PTP) (≤5% para la exclusión, ≥15% para la inclusión) para el manejo del paciente.
• Los electrocardiogramas (ECG) son una herramienta de diagnóstico común, pero su utilidad para descartar CAD sin evidencia de isquemia es un área para el avance.

Objetivo del estudio:

• Desarrollar y validar un algoritmo de aprendizaje profundo para descartar la enfermedad arterial coronaria (CAD).
• Evaluar el rendimiento del algoritmo utilizando electrocardiogramas (ECG) en pacientes sin evidencia de isquemia miocárdica.
• Establecer un protocolo de toma de decisiones basado en algoritmos para la estratificación del riesgo de CAD.

Principales métodos:

• Un algoritmo de aprendizaje profundo fue entrenado y validado internamente en el 90% y el 10% de los datos de ECG del Hospital Fuwai, respectivamente.
• El algoritmo fue diseñado para detectar CAD (≥70% de estenosis) utilizando ECGs de 12 derivaciones.
• Se realizó una validación externa utilizando datos del Hospital Yunnan Fuwai para evaluar el rendimiento del protocolo de toma de decisiones, con el objetivo de obtener un valor predictivo negativo (VAN) del 95%.

Principales resultados:

• La validación interna mostró un AUC de 0,81. Los grupos de exclusión y de inclusión tuvieron prevalencias de CAD del 5% y del 23%, respectivamente.
• La validación externa demostró que las prevalencias de exclusión y inclusión de CAD eran de 0% y 15%, respectivamente.
• El protocolo basado en algoritmos logró el rendimiento recomendado en la estratificación del paciente.

Conclusiones:

• El algoritmo de aprendizaje profundo desarrollado detecta efectivamente CAD utilizando ECGs, incluso sin signos de isquemia miocárdica.
• Un protocolo de toma de decisiones basado en algoritmos puede guiar con éxito el proceso de exclusión o inclusión para el examen posterior del paciente.
• Este enfoque de IA es prometedor para mejorar la vía de diagnóstico de la sospecha de enfermedad arterial coronaria.