Investigadores de Mayo Clinic desarrollaron y validaron externamente un modelo de inteligencia artificial (IA) capaz de identificar una obstrucción cardíaca potencialmente significativa a partir de videos ecográficos de rutina, sin depender de imágenes especializadas con Doppler. De acuerdo con el comunicado, la tecnología podría ayudar a los médicos a identificar a pacientes con miocardiopatía hipertrófica (MCH) que podrían necesitar pruebas adicionales, especialmente en entornos donde la experiencia especializada en ecocardiografía es limitada.

Los resultados del estudio se publicaron en Circulation: Cardiovascular Imaging. La investigación fue validada en más de 1,800 pacientes de Mayo Clinic y de manera externa en un hospital de Corea del Sur. El estudio incluyó a 1,833 pacientes de la cohorte de Mayo Clinic, según se detalla en el comunicado.

La MCH es una enfermedad genética que hace que el músculo cardíaco se vuelva anormalmente grueso. Aproximadamente dos tercios de estos pacientes desarrollan una obstrucción del tracto de salida del ventrículo izquierdo (TSVI), que restringe la salida de sangre del corazón y provoca síntomas como dolor torácico y dificultad para respirar con el esfuerzo o al estar acostado. Saber qué pacientes desarrollan una obstrucción de la TSVI es importante porque influye en las decisiones de tratamiento y en el manejo a largo plazo de los pacientes con MCH.

“Para medir la obstrucción de la TSVI normalmente se necesita una ecocardiografía Doppler, que depende de una alineación precisa del haz de ultrasonidos y de la experiencia del operador”, afirma Imon Banerjee, Ph.D., investigadora de IA de Mayo Clinic en Phoenix y autora principal del estudio. “Queríamos determinar si la IA podía reconocer patrones sutiles que son imperceptibles para el ojo humano en vídeos ecográficos en modo B obtenidos de forma rutinaria y también identificar antes a los pacientes con obstrucción de la TSVI, lo que permitiría realizar oportunamente una evaluación confirmatoria con Doppler y derivar al paciente cuando fuera apropiado.”

La Dra. Banerjee enfatiza que la herramienta está diseñada para complementar y no para sustituir la ecocardiografía Doppler, acelerando así la derivación a especialistas cuando sea necesario. El modelo utiliza únicamente ecografías de rutina, lo que representa una alternativa en contextos donde el acceso a estudios Doppler especializados o a personal con experiencia en ecocardiografía es limitado.

De acuerdo con el comunicado, la validación externa en un hospital de Corea del Sur refuerza la posibilidad de que el modelo funcione en distintos entornos clínicos. La investigación se centró en identificar patrones sutiles en videos ecográficos en modo B, obtenidos de forma rutinaria, para detectar obstrucciones del TSVI en pacientes con MCH.

El desarrollo de este tipo de herramientas de IA busca apoyar a los médicos en la identificación temprana de pacientes que podrían requerir pruebas adicionales, particularmente cuando no se cuenta con experiencia especializada en ecocardiografía. La publicación del estudio en Circulation: Cardiovascular Imaging respalda la relevancia científica de los hallazgos, según la información proporcionada.