← Volver al inicio

Indicios sobre el corazón durante una noche de sueño: la IA identifica riesgos a largo plazo en los electrocardiogramas de los estudios del sueño

Las señales electrocardiográficas registradas durante los estudios del sueño podrían abrir una nueva vía para el cribado cardiovascular. La investigación validó la capacidad de predecir el riesgo de fibrilación auricular, insuficiencia cardíaca y muerte en dos conjuntos de datos externos, pero aún se necesitan estudios prospectivos para determinar si puede mejorar la atención clínica.

By SURL BioNews

Un estudio de una noche realizado para detectar problemas de sueño también puede aportar indicios sobre la salud cardíaca futura. Una investigación publicada en *SLEEP* utilizó aprendizaje profundo para analizar electrocardiogramas registrados durante el sueño e identificar qué pacientes tenían mayor probabilidad de desarrollar fibrilación auricular, insuficiencia cardíaca o morir por cualquier causa en el futuro, dando un nuevo uso a señales que ya se habían recopilado.

La investigación recibió apoyo del Instituto Nacional del Corazón, los Pulmones y la Sangre, perteneciente a los Institutos Nacionales de la Salud de Estados Unidos. Según una explicación publicada por los NIH el 9 de octubre y reproducida por Medical Xpress, el estudio utilizó electrocardiogramas de una sola derivación obtenidos durante polisomnografías, junto con datos de las fases del sueño anotados por expertos, para explorar los riesgos para la salud en los diez años siguientes.

El equipo primero ajustó el modelo con datos de 15,809 pacientes del Hospital General de Massachusetts y después evaluó su rendimiento con datos de otros dos hospitales: 9,810 personas del Hospital de la Universidad de Emory y 12,576 del Centro Médico Beth Israel Deaconess, con un total de 22,386 personas en la validación externa. Los datos sobre enfermedades y muertes posteriores se obtuvieron de las historias clínicas electrónicas; este diseño permite comprobar si el modelo mantiene su capacidad predictiva fuera de los datos utilizados para su desarrollo.

Los pacientes con puntuaciones más altas en el modelo también presentaban un mayor riesgo a largo plazo. El estudio siguió observando valor predictivo tras ajustar por edad, sexo, índice de masa corporal, diabetes e hipertensión; la señal persistió incluso al incorporar la gravedad de la apnea del sueño, los despertares durante el sueño y la eficiencia del sueño. Esto indica que la información que aporta el modelo podría ser algo más que otra forma de representar los factores de riesgo existentes.

Sin embargo, el rendimiento predictivo no fue uniforme para todos los desenlaces. Los usos respaldados actualmente se centran en la fibrilación auricular, la insuficiencia cardíaca y la mortalidad por todas las causas; los investigadores señalaron que la predicción del infarto de miocardio y del accidente cerebrovascular aún requiere una mayor optimización. La mortalidad por todas las causas también incluye muertes ajenas a las enfermedades cardiovasculares y no puede interpretarse directamente como riesgo de muerte por enfermedad cardíaca.

El atractivo práctico de este método reside en aprovechar las señales electrocardiográficas de una sola derivación que ya se registran durante los estudios del sueño. Si las validaciones posteriores tienen éxito, estos estudios podrían ayudar también a identificar a las personas que necesitan una evaluación cardiovascular adicional. Pero el modelo de esta investigación también utilizó datos de las fases del sueño anotados por expertos, por lo que no puede deducirse que los dispositivos de uso corporal habituales o los parches de electrocardiograma para uso domiciliario ya tengan la misma capacidad.

Todavía queda camino por recorrer desde la estratificación del riesgo en los datos hasta el cribado clínico. La validación externa aumenta la credibilidad de los resultados, pero aún no demuestra que los médicos puedan mejorar los desenlaces de los pacientes al indicar pruebas o intervenciones según las puntuaciones del modelo. El siguiente paso requiere estudios prospectivos que aclaren si añadir esta información puede aportar beneficios suficientes para cambiar las decisiones asistenciales, así como el coste de las pruebas adicionales.

References

  1. Medical Xpress / National Institutes of Health
  2. National Institutes of Health