Un nuevo estudio muestra cómo la inteligencia artificial puede predecir el éxito del procedimiento cardíaco sin depender de los datos de los pacientes reales.
Investigadores de la Universidad de Queen Mary en Londres han desarrollado una herramienta de IA que aún es artificialmente modelos de tejido cardíaco fibrótico (resortes cardíacos), lo que ayuda al tratamiento de pacientes con fibrilación auricular (AF). Este estudio, que se ha publicado en Frontiers en Medicina Cardiovascular, puede conducir a un cuidado más personal para pacientes con este ritmo cardíaco comúnmente afectado.
La fibrosis se refiere al tejido manchado que se produce en el corazón, a menudo como resultado del envejecimiento, el estrés a largo plazo o la FA en sí. Estos tejidos apretados y de fibra interrumpen el sistema de energía cardíaca, lo que potencialmente causa el latido irregular de AF. Actualmente, se ha estimado escaneos de resonancia magnética especiales (LGEMRI), lo que afecta significativamente los resultados de estilo y tratamiento de distribución.
La fibrilación de atletas a menudo se trata con eliminación, un procedimiento en el que los médicos han hecho pequeñas marcas de control para evitar señales de energía. Sin embargo, la tasa de éxito varía sustancialmente y predice qué enfoque funcionará mejor para pacientes individuales. Aunque la IA ha prometido predecir los resultados, es un obstáculo para su crecimiento debido al acceso limitado a los datos de imágenes de pacientes de alta calidad.
El primer autor de la Universidad Queen Mary en Londres explica el Dr. Alexander Zolotario: “Lgemri proporciona información importante sobre la fibrosis cardíaca, pero es difícil obtener suficiente escaneo para el entrenamiento integral de AI”. “Entrenamos un modelo de IA en solo 100 escaneos LGE-MRI reales de pacientes con FA. Después de eso, el sistema desarrolló 100 muestras de fibrosis artificial adicionales que imitan con precisión las manchas del corazón real. Estos modelos virtuales se usaron para imitar cómo se usaron diferentes estrategias en diferentes condiciones”.
El modelo de día moderno del equipo creó una distribución de la fibrosis artificial, que es similar a los datos reales del paciente con una precisión extraordinaria. Cuando estas muestras creadas por AI se aplicaron a 3 modelos de corazón y se examinaron contra varios métodos de eliminación, los resultados han demostrado ser tan confiables como aquellos que usan los datos de los pacientes reales. Significativamente, este método protege la privacidad de los pacientes, mientras que los investigadores permiten el estudio de escenarios cardíacos en métodos mucho más extendidos.
Esta investigación destaca el papel emergente de la IA como una herramienta de apoyo clínico en lugar de un tomador de decisiones. El Dr. Zolotario enfatizó: “Esto no está a punto de reemplazar la decisión de los médicos”. “Se trata de proporcionar a los terapeutas un simulador sofisticado, lo que les permite probar diferentes métodos de tratamiento en los modelos digitales de estructura cardíaca únicas de cada paciente antes de realizar el procedimiento original”.
Esto es parte del proyecto de becas Future Líder Future Leader de la Dra. Caroline Roni, cuyo objetivo es desarrollar un modelo personal de “gemelo digital” para pacientes con AF.
La Dra. Caroline Roni, la principal autora del estudio, Queen Mary’s University of London, dijo: “Estamos muy entusiasmados con esta investigación porque identifica el desafío de los datos clínicos limitados de los modelos gemelos digitales cardíacos. Nuestro crecimiento clave es crear ensayos solicitados más personalizados y crear pacientes más personalizados.
En las medias casos, la fibrilación del Atel ha afectado a 1,4 millones de personas en el Reino Unido y no elimina, puede reducir significativamente el procedimiento tecnológico. Lo importante es que se han identificado dos desafíos importantes para la atención médica desde el punto de vista de la IA: la disponibilidad limitada de los datos de los pacientes y la necesidad moral de proteger la información médica confidencial.
