Cuando un paciente llega a una guardia con dolor de pecho, los especialistas enfrentan frecuentemente un dilema: internarlo para hacerle análisis de marcadores y evaluar la necesidad de angioplastia o revascularización; o hacerle un electrocardiograma y enviarlo a la casa para control ambulatorio. ¿Cuántos de estos pacientes sufrirá en los siguientes días un evento cardíaco? Un algoritmo desarrollado en la Argentina mediante machine learning ahora es capaz de diagnosticar en segundos un síndrome coronario agudo y pronosticar futuros eventos coronarios. El innovador sistema, que se convertirá muy pronto en una app disponible en cualquier teléfono inteligente, recibió el Premio 45°Congreso Argentino de Cardiología en el último encuentro realizado en La Rural.
El machine learning (aprendizaje automatizado) es un tipo de inteligencia artificial que puede definirse como la habilidad de un sistema informático para adquirir conocimiento en forma autónoma, mediante la extracción de patrones desde una base de datos con gran volumen de información. La utilización de machine learning para hacer pronósticos médicos está cada vez más en auge, por lo que los médicos necesitan conocerlos, según un reciente artículo publicado en JAMA que ofrece una guía para hacerlo.
Precisamente, durante el reciente Congreso Argentino de Cardiología, la SAC premió el desarrollo de un algoritmo mediante machine learning por parte de investigadores del Instituto de Cardiología de Buenos Aires (ICBA) en conjunción con expertos en computación del Sigmind LAB. El algoritmo fue entrenado con datos conocidos y se aplicó a 161 pacientes de 57 años en promedio que llegaron a la guardia del centro hospitalario porteño con angina. Dos de cada 3 pacientes eran hombres y el 16% tenía antecedentes cardíacos.
A diferencia del score HEART, que requiere el diagnóstico presuntivo de un médico y una medición de troponina para estratificar el riesgo de un paciente, el nuevo algoritmo analiza tanto los datos objetivos (edad, altura, frecuencia cardíaca, presión sistólica, etc.) como los datos subjetivos (tipo y lugar del dolor percibido por el paciente, por ejemplo) para diagnosticar un infarto de miocardio y predecir si el paciente tendrá un eventocardiovascular en el siguiente mes. Los investigadores subrayan que, con este algoritmo de aprendizaje automatizado, no es preciso esperar análisis de sangre ni hacer un diagnóstico previo para decidir una estrategia de tratamiento del paciente con dolor torácico, lo cual es una ventaja en situaciones de emergencia y alta demanda de atención médica.
“Hay un puñado de algoritmos similares ya desarrollados en el mundo, pero el nuestro es el primero que se realizó con una base de datos prospectivos”, destaca Juan Pablo Costabel, autor principal del estudio premiado por la SAC. Según el cardiólogo del ICBA, ya está en marcha un segundo estudio para validar clínicamente el algoritmo. La tercera y última parte del proyecto ANGINA consistirá en un estudio multicéntrico para probar el funcionamiento del algoritmo en distintas poblaciones del país.
El algoritmo tuvo en la primera fase del estudio una efectividad del casi el 90% para identificar a los pacientes que tendrían un evento a los 30 días. Como modelo de clasificación, explican los investigadores, se utilizó un Random Forest Classifier, que presentó un área bajo la curva ROC de 0.89. La confidencialidad de los datos de los pacientes, que firmaron un consentimiento informado, fue resguardada mediante anonimización. Entre las 65 variables analizadas, las más influyentes fueron el peso, la edad, la intensidad del dolor, la presión sistólica y las características subjetivas del dolor.
“Es importante señalar que el algoritmo que generamos no consiste en una fórmula fija sino que la computadora aprende en forma automática con el input de nuevos datos y ofrece como output un diagnóstico y pronóstico en cuestión de segundos”, dice Costabel. ¿Pueden las máquinas reproducir así el pensamiento de un cardiólogo? Quizás. Por el momento, “el algoritmo generado mediante machine learning es una herramienta útil para minimizar los errores en guardias donde hay escaso tiempo y médicos con poca experiencia”, resume Costabel, quien agrega que la app se podrá obtener sin costo.
Por Alejandra Folgarait
