Autor(es): Antonis A. Armoundas, Sanjiv M. Narayan, Donna K. Arnett, Kayte Spector-Bagdady, Derrick A. Bennett, Leo Anthony Celi, Paul A. Friedman, Michael H. Gollob, Jennifer L. Hall, Anne E. Kwitek, Elle Lett, Bijoy K. Menon, Katherine A. Sheehan, Salah S. Al-Zaiti; en representación de varias sociedades de la American Heart Association.
Año: 2024
Referencia bibliográfica:
Armoundas, A. A., Narayan, S. M., Arnett, D. K., Spector-Bagdady, K., Bennett, D. A., Celi, L. A., Friedman, P. A., Gollob, M. H., Hall, J. L., Kwitek, A. E., Lett, E., Menon, B. K., Sheehan, K. A., & Al-Zaiti, S. S. (2024). Use of Artificial Intelligence in Improving Outcomes in Heart Disease: A Scientific Statement From the American Heart Association. Circulation, 149, e00–e00. https://doi.org/10.1161/CIR.0000000000001201
Categoría asignada: Asistencia sanitaria pública
Resumen:
El artículo Use of Artificial Intelligence in Improving Outcomes in Heart Disease: A Scientific Statement From the American Heart Association proporciona un análisis exhaustivo del uso de la inteligencia artificial (IA) en la mejora de los resultados de las enfermedades cardíacas, un campo que ha crecido rápidamente gracias a los avances en tecnologías de IA y aprendizaje automático (ML). Este documento científico, respaldado por la American Heart Association (AHA), se enfoca en las aplicaciones actuales de IA para el diagnóstico, clasificación y tratamiento de enfermedades cardiovasculares, y en los desafíos éticos y técnicos que surgen en este contexto.
El texto describe cómo la IA se ha utilizado para optimizar varios aspectos de la atención cardiovascular, incluida la mejora de la precisión en el diagnóstico, la evaluación de riesgos, y la optimización de los planes de tratamiento. Un enfoque importante ha sido el uso de IA en imágenes cardíacas para facilitar el análisis automatizado de ecocardiografías, tomografías computarizadas (CT) y resonancias magnéticas cardíacas (CMR). Estos algoritmos permiten reducir el tiempo de procesamiento, mejorar la precisión del diagnóstico y, en particular, democratizar el acceso a diagnósticos de calidad en regiones con pocos recursos, cerrando brechas entre poblaciones de bajos y altos ingresos.
En cuanto a las aplicaciones clínicas, la IA ha demostrado ser útil en la detección temprana de arritmias, insuficiencia cardíaca, y cardiomiopatías, lo que permite un tratamiento más oportuno y reduce las complicaciones a largo plazo. Además, los algoritmos de IA pueden prever resultados clínicos a través de datos de electrocardiogramas (ECG) y otros indicadores fisiológicos. Por ejemplo, se han utilizado redes neuronales profundas para identificar signos de insuficiencia ventricular izquierda y predecir riesgos de infarto o arritmias con mayor precisión que los métodos tradicionales. En un estudio con más de 20,000 pacientes, la IA mejoró la detección de disfunción ventricular en un 32% sobre los cuidados estándar.
A pesar de los avances, los autores destacan varios desafíos y limitaciones en la aplicación de IA. Uno de los principales obstáculos es la falta de generalización de los modelos entrenados, ya que muchos de estos algoritmos se desarrollan utilizando datos de un entorno clínico específico y no siempre son aplicables a otras poblaciones. Esto es especialmente crítico en regiones de bajos recursos o con infraestructuras de salud diferentes. Además, la falta de estandarización en la recolección y manejo de los datos de salud (como los registros médicos electrónicos) puede dificultar la implementación de soluciones de IA a gran escala. La AHA sugiere que la integración de marcos de interoperabilidad y la adopción de estándares internacionales de datos podrían mejorar esta situación.
El documento también aborda los riesgos éticos asociados con el uso de IA en la medicina cardiovascular, como los sesgos inherentes a los algoritmos entrenados en poblaciones no representativas. Existe preocupación de que estos sistemas perpetúen o amplifiquen desigualdades existentes en el acceso y la calidad del cuidado de salud. Los autores recomiendan el uso de marcos regulatorios robustos y mecanismos de transparencia para asegurar que los algoritmos sean seguros, efectivos y equitativos. Asimismo, enfatizan la importancia de educar a los profesionales de la salud sobre el uso responsable de la IA, promoviendo un enfoque colaborativo donde la IA complemente, pero no reemplace, el juicio clínico.
Finalmente, el artículo concluye que, aunque la IA tiene el potencial de transformar la atención cardiovascular, es necesario abordar importantes barreras antes de que pueda adoptarse de manera generalizada. Esto incluye no solo mejorar la precisión y la capacidad de generalización de los modelos, sino también garantizar que estos avances lleguen a las poblaciones más vulnerables. Los autores sugieren que la investigación futura debe centrarse en el desarrollo de algoritmos más inclusivos, la validación prospectiva de estos modelos en entornos clínicos diversos, y la creación de estrategias de implementación que mitiguen las desigualdades en la atención de salud.
