Una revisión publicada recientemente analiza de forma exhaustiva el impacto de la inteligencia artificial (IA) en la práctica clínica de la cardiología intervencionista (CI), centrándose en los avances recientes.
Aunque el desarrollo de la IA aún está en pañales, las nuevas tecnologías prometen mejoras significativas en la seguridad del paciente, la estratificación del riesgo y los resultados terapéuticos. Los principales objetivos incluyen la integración de múltiples modalidades de imagen cardiaca, el establecimiento de sistemas de apoyo a la toma de decisiones en línea y la creación de sistemas médicos automatizados que proporcionen datos sanitarios electrónicos. El uso de la IA en la IC puede dividirse en dos áreas principales: virtual (procesamiento de imágenes médicas, toma de decisiones) y física (procedimientos intervencionistas robotizados). Numerosos estudios han demostrado el potencial de la IA para interpretar y analizar automáticamente diversas modalidades cardiacas, lo que mejora significativamente el proceso terapéutico.
La inteligencia artificial (IA), en particular el aprendizaje automático (AM), permite procesar y analizar en tiempo real grandes cantidades de datos médicos y revolucionará el sistema sanitario. La IA se está desarrollando rápidamente, sobre todo en el campo de la cardiología, desde la interpretación de electrocardiogramas (ECG) hasta los sistemas de apoyo a la toma de decisiones clínicas para intervenciones cardiológicas. La mayoría de los dispositivos basados en IA/ML aprobados por la Administración de Alimentos y Medicamentos de EE.UU. (FDA) están relacionados con la radiología y la cardiología. Estos dispositivos permiten a los cardiólogos aplicar un enfoque complejo de las enfermedades cardiacas al apoyar el diagnóstico precoz, la estratificación del riesgo de los pacientes antes de las intervenciones específicas y la mejora general de la calidad de la atención. El uso de la IA en la CI abarca cada paso del proceso terapéutico, incluida la evaluación inicial del dolor torácico y/o el shock cardiogénico en el hospital, la planificación de la estrategia de intervención para una mejor navegación y orientación, y la predicción del riesgo del paciente y los posibles resultados. La naturaleza específica de la CI ofrece a los clínicos muchas modalidades de diagnóstico por imagen, incluidas las evaluaciones anatómicas y funcionales de la cardiopatía estructural. Por lo tanto, la IA se considera una herramienta tecnológica prometedora que tendrá un impacto significativo en la reconstrucción, el análisis y la interpretación de imágenes, lo que conducirá a una mejora de la disponibilidad y la calidad de los datos sanitarios y a nuevos avances en las técnicas analíticas.
Metodología de la revisión
La metodología de esta revisión sistemática se basa en la declaración PRISMA. Se tuvieron en cuenta publicaciones recientes, informes, protocolos y revisiones de las bases de datos Scopus y Web of Science. Se identificaron las palabras clave “inteligencia artificial, aprendizaje automático, realidad aumentada, realidad mixta, realidad virtual, metaverso, cardiología, cardiología intervencionista, segmentación, algoritmos de segmentación, algoritmos de clasificación, ética, ética de la IA” y sus variaciones. En el primer paso, se evaluaron las características del material, como el título y el resumen, teniendo en cuenta los criterios de exclusión (por ejemplo, se eliminaron las disertaciones y el material no relevante para la cardiología, mientras que se consideraron los artículos de texto completo en inglés). Posteriormente, se recuperaron y analizaron los artículos e informes técnicos que cumplían los criterios. Se consideró un total de 100 documentos.
Aplicación de la inteligencia artificial
Redes neuronales artificiales (RNA): Las RNA son nodos interconectados que modelan las neuronas biológicas como pesos entre los nodos. Mejoran el diagnóstico y el tratamiento de las enfermedades cardiovasculares automatizando el análisis de las imágenes de ecocardiografía y de TAC cardíaco, lo que aumenta la precisión y reduce el tiempo de detección. Las RNA aprenden de grandes cantidades de datos y predicen resultados basándose en patrones, lo que ayuda significativamente a la detección precoz de enfermedades. A pesar de sus ventajas, las RNA se enfrentan a retos como la necesidad de grandes datos de entrenamiento y el riesgo de sobreajuste. Se han utilizado con éxito en la medición automatizada de la fracción de eyección y la tensión longitudinal del ventrículo izquierdo con gran precisión y en la diferenciación de la miocardiopatía hipertrófica de la hipertrofia fisiológica.
Redes neuronales recurrentes (RNN): Las RNN gestionan e interpretan datos secuenciales como los registros de ECG y la monitorización continua de la salud de los pacientes, predicen los resultados de las intervenciones y ayudan a planificar tratamientos eficaces. Las soluciones basadas en RNN, como DeepHeart, predicen los riesgos cardiovasculares a partir de los datos de los dispositivos vestibles. Las RNN también automatizan la selección del tiempo de inversión miocárdica, haciendo más eficaz el proceso de diagnóstico.
Redes neuronales convolucionales (CNN): Las CNN procesan imágenes cardiovasculares complejas y mejoran la precisión del diagnóstico y la eficacia del tratamiento. Son cruciales para analizar angiogramas y ecocardiogramas e identificar patrones de enfermedades cardiacas. Las CNN han demostrado su éxito en la implantación de válvulas aórticas transcatéter, la clasificación de ecocardiogramas y la segmentación ventricular, y han tenido un impacto significativo en la formación médica y el reconocimiento de la actividad de los cirujanos.
Redes neuronales con pico (SNN): Las SNN, redes inspiradas en el cerebro para analizar datos dinámicos e información dependiente del tiempo, son especialmente eficaces en el análisis de señales de ECG. Identifican anomalías sutiles para la detección precoz de arritmias y favorecen las intervenciones rápidas. La precisión de las SNN en la clasificación de los latidos y la detección de latidos extraventriculares pone de relieve su adaptabilidad en diferentes contextos clínicos.
Redes neuronales profundas (DNN): Las DNN, con múltiples capas entre la entrada y la salida, descifran patrones complejos en grandes conjuntos de datos y son herramientas indispensables en el análisis médico moderno. Detectan patrones sutiles en las imágenes de diagnóstico y los historiales de los pacientes y mejoran la evaluación de las intervenciones cardiológicas. Los métodos basados en DNN predicen con precisión múltiples acontecimientos médicos, evalúan la gravedad de las estenosis de las arterias coronarias y mejoran la calidad del diagnóstico generando nuevos datos y reduciendo el ruido en las imágenes de TC.
Implicaciones éticas de la IA en cardiología intervencionista
El uso de la IA en las intervenciones cardiológicas requiere un riguroso escrutinio ético que tenga en cuenta las normas institucionales y las prácticas éticas detalladas. Las intervenciones cardiológicas, a menudo en situaciones que ponen en peligro la vida, plantean dilemas éticos en relación con la reanimación y las implicaciones legales. Las recomendaciones de la IA aumentan la complejidad de la responsabilidad y la toma de decisiones. La emergente tecnología de gemelos digitales, que representa sistemas físicos en tiempo real, promete analizar conjuntos de datos complejos y sugerir vías de tratamiento. Es necesario aclarar las cuestiones de propiedad, control y toma de decisiones relativas a los gemelos digitales, lo que requiere protocolos éticos accesibles.
La regulación de la IA en la atención sanitaria está evolucionando, pero se centra en la IA explicable (XAI) y la IA digna de confianza (TAI). Las normativas nacionales e internacionales, como la Lista Europea de Evaluación de la Inteligencia Artificial Confiable (ALTAI), intentan seguir el ritmo de los rápidos avances tecnológicos. Las consideraciones éticas y técnicas son cruciales para la integración de la IA en la CI.
Enfoque futuro: realidad aumentada y visualización en 3D apoyadas por la IA
La integración de la IA en las tecnologías inmersivas es crucial para manejar datos médicos complejos y visualizaciones en 3D. Los avances actuales permiten reconstruir órganos en 3D, lo que es de gran importancia para la práctica clínica y la formación. Las simulaciones basadas en IA formarán a los cardiólogos intervencionistas en un entorno seguro y mejorarán sus habilidades. Las tecnologías inmersivas, combinadas con la IA, facilitarán las reuniones a distancia de equipos cardiacos multidisciplinares, superando las barreras geográficas y mejorando la prestación de asistencia sanitaria.
Discusión y conclusiones
El papel transformador de la IA en la CI mejora la precisión del diagnóstico, los resultados de los tratamientos, la monitorización a distancia y la formación. Los sistemas robóticos impulsados por IA favorecen los movimientos precisos durante los procedimientos, mejoran los resultados y reducen la fatiga del médico. Sin embargo, hay que tener en cuenta limitaciones como la dependencia de los datos y la falta de transparencia. Las consideraciones éticas y la comprensión de los mecanismos de la IA son esenciales para una integración eficaz en el sistema sanitario. La combinación de la IA y la CI promete aumentar la eficacia y la precisión de las imágenes cardiovasculares al tiempo que reduce los costes. A pesar de los retos que plantea su plena integración y aplicación clínica, la IA ofrece un enorme potencial para mejorar la asistencia sanitaria. Los futuros avances en simulaciones y tecnologías inmersivas basadas en la IA revolucionarán la CI, proporcionarán soluciones personalizadas, interactivas y eficientes y, en última instancia, transformarán la cardiología y mejorarán la asistencia sanitaria.
Fuente: Rudnicka Z, Pręgowska A, Glądys K, et al.: Advancements in artificial intelligence-driven techniques for interventional cardiology. Cardiol J 2024; 31(2): 321–341. doi: 10.5603/cj.98650. Epub 2024 Jan 22. PMID: 38247435; PMCID: PMC11076027.
CARDIOVASC 2024; 23(2): 29–30
