Investigadores norteamericanos han desarrollado un sistema de inteligencia artificial (IA) que puede predecir con precisión la probabilidad de que una persona enferma del corazón muera dentro de un año.
La IA lo ha conseguido al observar los resultados de pruebas cardiacas: detecta anomalías en los resultados del electrocardiograma (ECG) que los médicos no perciben y, de esta forma, calcula quién tiene un riesgo mayor de muerte a causa de su enfermedad.
La IA consiguió esta capacidad después de analizar a fondo la serie histórica de 1.77 millones de ECG correspondientes a casi 400.000 personas, algunas de las cuales habían fallecido y otras sobrevivido a la crisis cardiaca.
Este análisis permitió a la IA establecer una serie de relaciones entre el estado de salud de esas personas, su edad y sexo, así como con el desenlace de su afección.
Gracias al aprendizaje adquirido con este sistema, la IA pudo adivinar con precisión la suerte que habían corrido estos pacientes: si habían sobrevivido o fallecido después de la crisis cardiaca.
Su capacidad, contrastada con los datos conocidos de esas 400.000 personas, fue muy superior a la de los médicos que también habían analizado los ECG: muchos de los pacientes que la IA anticipó que habían fallecido, presentaban a los ojos de los médicos un ECG sin riesgo de muerte.
Déficit analítico
Según los autores de esta investigación, que presentarán sus resultados el 16 de este mes en unas sesiones científicas de médicos especialistas, la IA está mostrando que los análisis de ECG que se realizan en la actualidad no explotan toda la información contenida en esta prueba que detecta ataques cardiacos en función de la actividad eléctrica del corazón.
Los investigadores desconocen todavía cómo consigue la IA establecer con tanta precisión el riesgo de muerte de un paciente del corazón, por lo que dudan de su eventual aplicación en pacientes actuales hasta que esta duda se aclare.
Consideran al respecto que, dado que esta capacidad se basa en datos históricos, todavía queda por comprobar que esta IA pueda ser útil a pacientes cardiacos actuales, según explican en la revista NewScientist.
Es decir, todo lo que ha demostrado esta IA se basa en el historial histórico de pacientes cardiacos que, bien habían fallecido, o bien habían sobrevivido a una crisis del corazón.
Sin conocer este resultado, la IA adivinó lo que había pasado en función de los datos analizados. Los mismos ECG analizados por los médicos no habían detectado anomalías.
La precisión de los aciertos de la IA fue elevada, de 0,85 puntos sobre una escala en la que la puntuación perfecta es un 1.
Los modelos que actualmente usan los médicos para determinar el riesgo de muerte de pacientes cardiacos tienen una precisión que oscila entre el 0,65 y el 0,8 de la misma escala.
Sin embargo, queda por ver utilidad de la IA en pacientes sobre los que todavía se desconoce su suerte tras sufrir una crisis cardiaca.
La IA lo ha conseguido al observar los resultados de pruebas cardiacas: detecta anomalías en los resultados del electrocardiograma (ECG) que los médicos no perciben y, de esta forma, calcula quién tiene un riesgo mayor de muerte a causa de su enfermedad.
La IA consiguió esta capacidad después de analizar a fondo la serie histórica de 1.77 millones de ECG correspondientes a casi 400.000 personas, algunas de las cuales habían fallecido y otras sobrevivido a la crisis cardiaca.
Este análisis permitió a la IA establecer una serie de relaciones entre el estado de salud de esas personas, su edad y sexo, así como con el desenlace de su afección.
Gracias al aprendizaje adquirido con este sistema, la IA pudo adivinar con precisión la suerte que habían corrido estos pacientes: si habían sobrevivido o fallecido después de la crisis cardiaca.
Su capacidad, contrastada con los datos conocidos de esas 400.000 personas, fue muy superior a la de los médicos que también habían analizado los ECG: muchos de los pacientes que la IA anticipó que habían fallecido, presentaban a los ojos de los médicos un ECG sin riesgo de muerte.
Déficit analítico
Según los autores de esta investigación, que presentarán sus resultados el 16 de este mes en unas sesiones científicas de médicos especialistas, la IA está mostrando que los análisis de ECG que se realizan en la actualidad no explotan toda la información contenida en esta prueba que detecta ataques cardiacos en función de la actividad eléctrica del corazón.
Los investigadores desconocen todavía cómo consigue la IA establecer con tanta precisión el riesgo de muerte de un paciente del corazón, por lo que dudan de su eventual aplicación en pacientes actuales hasta que esta duda se aclare.
Consideran al respecto que, dado que esta capacidad se basa en datos históricos, todavía queda por comprobar que esta IA pueda ser útil a pacientes cardiacos actuales, según explican en la revista NewScientist.
Es decir, todo lo que ha demostrado esta IA se basa en el historial histórico de pacientes cardiacos que, bien habían fallecido, o bien habían sobrevivido a una crisis del corazón.
Sin conocer este resultado, la IA adivinó lo que había pasado en función de los datos analizados. Los mismos ECG analizados por los médicos no habían detectado anomalías.
La precisión de los aciertos de la IA fue elevada, de 0,85 puntos sobre una escala en la que la puntuación perfecta es un 1.
Los modelos que actualmente usan los médicos para determinar el riesgo de muerte de pacientes cardiacos tienen una precisión que oscila entre el 0,65 y el 0,8 de la misma escala.
Sin embargo, queda por ver utilidad de la IA en pacientes sobre los que todavía se desconoce su suerte tras sufrir una crisis cardiaca.
Continuidad
No es la primera vez que se introduce la IA en los esfuerzos para determinar los riesgos derivados de una enfermedad.
El año pasado, otros investigadores publicaron en la revista Nature que suministrar datos de salud a un modelo de aprendizaje profundo, otra especialidad de la IA, mejora el diagnóstico médico y predice, tanto el tiempo de hospitalización de un paciente como el momento previsible de su muerte.
Esta red neuronal, al igual que la anterior, utiliza grandes cantidades de datos, como los signos vitales y el historial médico, incluidas notas escritas a mano, comentarios y garabatos, para relacionar toda esa información en una línea temporal e identificar resultados futuros en un tiempo record.
Otro caso de éxito de la IA en medicina es un sistema de diagnóstico llamado Ultromics, que extrae una multitud de puntos de datos de un ecocardiograma que no pueden verse a simple vista y permite mejores diagnósticos.
El aprendizaje automático, también un sistema de IA, se ha establecido asimismo como válido para ayudar a personas con cardiopatías congénitas graves, como la tetralogía de Fallot, caracterizada por cuatro malformaciones que dan lugar a la mezcla de sangre arterial con la sangre venosa, según otro artículo publicado el año pasado en European Heart Journal - Cardiovascular Imaging.
No es la primera vez que se introduce la IA en los esfuerzos para determinar los riesgos derivados de una enfermedad.
El año pasado, otros investigadores publicaron en la revista Nature que suministrar datos de salud a un modelo de aprendizaje profundo, otra especialidad de la IA, mejora el diagnóstico médico y predice, tanto el tiempo de hospitalización de un paciente como el momento previsible de su muerte.
Esta red neuronal, al igual que la anterior, utiliza grandes cantidades de datos, como los signos vitales y el historial médico, incluidas notas escritas a mano, comentarios y garabatos, para relacionar toda esa información en una línea temporal e identificar resultados futuros en un tiempo record.
Otro caso de éxito de la IA en medicina es un sistema de diagnóstico llamado Ultromics, que extrae una multitud de puntos de datos de un ecocardiograma que no pueden verse a simple vista y permite mejores diagnósticos.
El aprendizaje automático, también un sistema de IA, se ha establecido asimismo como válido para ayudar a personas con cardiopatías congénitas graves, como la tetralogía de Fallot, caracterizada por cuatro malformaciones que dan lugar a la mezcla de sangre arterial con la sangre venosa, según otro artículo publicado el año pasado en European Heart Journal - Cardiovascular Imaging.