Predicción de infartos agudos de miocardio por oclusión en el servicio de urgencias mediante inteligencia artificial

Área de la Ciencia:

• Cardiología
• Inteligencia artificial en medicina
• Medicina de urgencias

Sus antecedentes:

• El infarto agudo de miocardio por oclusión (OMI) es una afección crítica que requiere un diagnóstico y una intervención rápidos.
• Los criterios diagnósticos actuales, como el infarto agudo de miocardio con elevación del segmento ST (STEMI), pueden pasar por alto una proporción significativa de casos de OMI.
• La intervención oportuna para la OMI a menudo se retrasa, lo que contribuye a resultados adversos para el paciente.

Objetivo del estudio:

• Desarrollar y validar un modelo de inteligencia artificial (IA) para predecir OMI en pacientes del servicio de urgencias (SU) que presenten dolor torácico.
• Utilizar datos de evaluación temprana del SU fácilmente disponibles, incluyendo electrocardiograma (ECG), historial médico y valores de laboratorio iniciales.
• Comparar el rendimiento del modelo de IA con los criterios STEMI establecidos.

Principales métodos:

• Se desarrolló un modelo de IA de aprendizaje profundo utilizando datos de 24.511 pacientes adultos del SU con dolor torácico en 5 hospitales suecos.
• Los casos de OMI se identificaron a través de datos de registro y revisión de historias clínicas; se excluyeron los casos de STEMI que eludieron el SU.
• El modelo de IA se entrenó con datos de ECG, opcionalmente combinados con otra información temprana del SU, y se validó internamente.

Principales resultados:

• El modelo de IA logró un alto área bajo la curva característica de operación del receptor (AUC) del 95,3% para la predicción de OMI.
• Con una especificidad del 97,4%, el modelo de IA demostró una sensibilidad del 62%, significativamente mayor que la sensibilidad del 27% de los criterios STEMI.
• Solo el 5,4% de los casos de OMI identificados recibieron angiografía a tiempo, lo que pone de manifiesto una brecha crítica en las vías de atención actuales.

Conclusiones:

• El modelo de IA desarrollado muestra un excelente rendimiento en la identificación de OMI en pacientes con dolor torácico en el SU, superando a los criterios STEMI en sensibilidad.
• La implementación de este modelo de IA podría agilizar el diagnóstico y reducir los retrasos en el inicio de las intervenciones para la OMI.
• Los hallazgos sugieren un potencial para mejorar los resultados de los pacientes abordando los retrasos actuales en el tratamiento de la OMI.