Un nuevo modelo de inteligencia artificial podría ayudar a detectar una complicación frecuente de la miocardiopatía hipertrófica (MCH) usando solo ecografías basales, sin necesidad de mediciones con Doppler.

La MCH es una enfermedad genética que engrosa de forma anormal el músculo cardíaco. En cerca de dos tercios de los pacientes, este engrosamiento termina generando una obstrucción del tracto de salida del ventrículo izquierdo (TSVI), que restringe la salida de sangre del corazón. Cuando esto ocurre, aparecen síntomas como dolor torácico y dificultad para respirar, sobre todo con el esfuerzo o al estar acostado. Identificar a tiempo qué pacientes desarrollarán esta obstrucción es clave, ya que de ello depende buena parte de las decisiones de tratamiento y el manejo a largo plazo de estos pacientes.

Con esa pregunta como punto de partida, un equipo de Clínica Mayo desarrolló y probó un modelo de IA en un estudio que abarcó a 1.833 personas. A diferencia de los métodos convencionales, el sistema fue entrenado para trabajar exclusivamente con videos ecográficos en reposo y sin Doppler, y aun así logró predecir con buena precisión qué individuos presentaban una obstrucción potencialmente significativa de la salida de sangre del corazón. Uno de los hallazgos más interesantes fue que, al combinar la información proveniente de tres vistas ecográficas estándar, el modelo mejoraba notablemente su capacidad para diferenciar a los pacientes con gradientes elevados en la TSVI. Incluso logró identificar obstrucciones que solo podrían manifestarse cuando el corazón está sometido a estrés.

Para poner a prueba su solidez, los investigadores lo evaluaron en 275 pacientes y luego lo validaron externamente en 46 casos de un hospital surcoreano. Pese a las diferencias sustanciales entre esa población y la utilizada para desarrollar el modelo originalmente, el rendimiento se mantuvo sólido, un resultado que respalda el estudio adicional de la tecnología en diferentes poblaciones de pacientes y entornos clínicos.

Los próximos pasos incluyen una validación prospectiva adicional en entornos clínicos más amplios, plataformas de ecografía y poblaciones de pacientes.