Detección y estratificación pronóstica de la disfunción sistólica del ventrículo izquierdo en el bloqueo de rama...

Área de la Ciencia:

• Cardiología
• Inteligencia artificial en medicina
• Diagnóstico médico

Sus antecedentes:

• El bloqueo de rama izquierda (BRIS) se asocia con un mayor riesgo de disfunción sistólica del ventrículo izquierdo (DSVI) debido a la asincronía cardíaca.
• La electrocardiografía habilitada por inteligencia artificial (IA-ECG) muestra potencial para la detección de DSVI, pero su eficacia en pacientes con BRIS requiere una mayor investigación.
• Este estudio investigó el rendimiento de un modelo IA-ECG validado en la identificación de DSVI y la predicción de resultados en pacientes con BRIS.

Objetivo del estudio:

• Evaluar la precisión de un modelo IA-ECG previamente validado en la detección de DSVI en pacientes con BRIS.
• Evaluar la capacidad del modelo para predecir resultados cardiovasculares a largo plazo en esta población de pacientes.
• Determinar la utilidad clínica de la IA-ECG para el manejo de pacientes con BRIS y posible DSVI.

Principales métodos:

• Se realizó un análisis retrospectivo de 5.689 electrocardiogramas (ECG) de BRIS de 2.813 pacientes utilizando un modelo IA-ECG validado.
• La disfunción sistólica del ventrículo izquierdo (DSVI) se definió como una fracción de eyección ≤40%.
• El rendimiento del modelo se evaluó utilizando AUROC, AUPRC, sensibilidad y especificidad. Los pacientes fueron estratificados por riesgo y los resultados clínicos se compararon mediante análisis de Kaplan-Meier.

Principales resultados:

• El modelo IA-ECG demostró un sólido rendimiento en la detección de DSVI en pacientes con BRIS (AUROC: 0.930, AUPRC: 0.913).
• Los pacientes de alto riesgo identificados por el modelo tuvieron tasas significativamente más altas de mortalidad por todas las causas, implantación de dispositivos y hospitalización cardiovascular.
• El modelo logró una alta sensibilidad (0.979) pero una especificidad moderada (0.473) para la detección de DSVI.

Conclusiones:

• El modelo IA-ECG (AiTiALVSD) es eficaz para diagnosticar DSVI en pacientes con BRIS.
• El modelo estratifica con éxito el riesgo cardiovascular a largo plazo, lo que indica su valor clínico para la detección temprana y el manejo del paciente.
• Esta herramienta de IA-ECG apoya la mejora de la toma de decisiones clínicas para pacientes con BRIS.