La actividad eléctrica del corazón durante el sueño podría ayudar a identificar el riesgo de desarrollar enfermedades cardiovasculares hasta con 10 años de anticipación, mediante un sistema de inteligencia artificial (IA) capaz de analizar registros de electrocardiograma (ECG), de acuerdo con una investigación publicada en la revista científica SLEEP.
El estudio, encabezado por investigadores de la Universidad de Emory, en Estados Unidos, encontró que los datos cardíacos registrados durante el descanso nocturno pueden aportar información para estimar el riesgo futuro de padecer fibrilación auricular, accidente cerebrovascular, insuficiencia cardíaca y muerte por cualquier causa.
La investigación contó con el respaldo de los Institutos Nacionales de Salud de Estados Unidos (NIH) y plantea la posibilidad de aprovechar información que ya se obtiene durante algunos estudios del sueño para mejorar la detección temprana de problemas cardiovasculares.
Los investigadores desarrollaron un modelo de aprendizaje profundo, una modalidad de inteligencia artificial, que analiza los registros de la actividad eléctrica del corazón mientras una persona duerme.
Para entrenar el sistema, utilizaron datos de casi 16 mil pacientes que participaron en un estudio del sueño realizado en el Hospital General de Massachusetts, en Boston. Posteriormente, probaron el modelo con otros dos conjuntos de datos: uno con cerca de 10 mil pacientes del Hospital Universitario Emory y otro con aproximadamente 13 mil pacientes del Centro Médico Beth Israel Deaconess, también en Estados Unidos.
El sistema logró clasificar a los participantes según su nivel de riesgo cardiovascular a largo plazo. Además, sus resultados mantuvieron valor predictivo después de considerar factores convencionales como la edad, el sexo, la diabetes, la hipertensión y el tabaquismo, así como características del sueño.
De acuerdo con los autores, los cambios en la frecuencia cardíaca y en la conducción eléctrica del corazón durante las primeras fases del sueño podrían revelar señales sutiles relacionadas con futuros problemas de salud.
Los resultados mostraron una asociación entre las puntuaciones de riesgo calculadas por la inteligencia artificial y la probabilidad de presentar diferentes complicaciones durante los siguientes 10 años.
Por cada aumento de una desviación estándar en la puntuación de riesgo del modelo, los investigadores observaron:
Fibrilación auricular: entre 103 y 172 por ciento más de riesgo.
Accidente cerebrovascular: entre 19 y 40 por ciento más de riesgo.
Insuficiencia cardíaca: entre 69 y 133 por ciento más de riesgo.
Muerte por cualquier causa: entre 65 y 82 por ciento más de riesgo.
Estos porcentajes representan incrementos relativos asociados con la puntuación del modelo, no la probabilidad absoluta de que una persona desarrolle alguna de estas enfermedades. Por lo tanto, no significan que todas las personas que presenten determinadas características al dormir vayan a padecer una complicación cardiovascular.
En el caso del infarto de miocardio, los investigadores señalaron que solo uno de los grupos analizados mostró un incremento significativo del riesgo futuro.
Durante una polisomnografía, una prueba utilizada para evaluar distintos trastornos del sueño, también pueden registrarse señales eléctricas del corazón mediante un electrocardiograma.
Sin embargo, estos datos no siempre se aprovechan para evaluar el riesgo cardiovascular a largo plazo, especialmente cuando no muestran alteraciones evidentes que requieran atención inmediata.
Según los resultados publicados, incorporar la puntuación del modelo de inteligencia artificial a las evaluaciones tradicionales mejoró la predicción de algunos resultados cardiovasculares. La mejora alcanzó hasta 6 por ciento para la fibrilación auricular, 9 por ciento para la insuficiencia cardíaca y 7 por ciento para la mortalidad.
El profesor de ingeniería biomédica del Instituto Tecnológico de Georgia y autor del estudio, Gari Clifford, señaló que agregar estas puntuaciones puede contribuir a identificar con mayor precisión a las personas que podrían necesitar una evaluación médica más detallada.
Por su parte, David Goff, director interino del Instituto Nacional del Corazón, los Pulmones y la Sangre de los NIH, destacó el potencial de este enfoque para reconocer riesgos cardiovasculares años antes de que aparezcan síntomas clínicos.
Aunque los resultados son prometedores, el modelo no sustituye una valoración médica ni confirma por sí mismo que una persona tenga una enfermedad cardiovascular. Se trata de una herramienta de predicción de riesgos que todavía requiere evaluación antes de incorporarse de manera generalizada a la atención clínica.
Los investigadores consideran que, en el futuro, este tipo de análisis podría integrarse a los estudios del sueño para ayudar a detectar pacientes que necesiten seguimiento preventivo.
La investigación abre una posibilidad para aprovechar los registros nocturnos del corazón como una fuente adicional de información médica, aunque será necesario determinar cómo utilizar esta tecnología en distintos grupos de pacientes y comprobar su utilidad en la práctica clínica.
