El estudio muestra el potencial del algoritmo de IA de Eko para detectar la HP
Un algoritmo basado en inteligencia artificial (IA) puede detectar características de la hipertensión pulmonar (HP) analizando los sonidos cardíacos registrados con un estetoscopio digital, según un estudio.
Eko Health desarrolló esta tecnología con una subvención de 2,7 millones de dólares del Instituto Nacional de Salud (NIH).
El algoritmo podría ayudar a acelerar el diagnóstico preciso de la HP en la atención primaria y en entornos con acceso limitado a pruebas más costosas o invasivas, permitiendo a los pacientes comenzar antes su tratamiento.
"Esta innovación demuestra cómo la combinación de estetoscopios digitales con IA avanzada puede generar una herramienta de detección de bajo costo, no invasiva y accesible para la detección temprana de la HP", dijo Gaurav Choudhary, profesor en la Universidad de Brown y líder del estudio.
El estudio, titulado "Desarrollo y evaluación de un algoritmo de detección de hipertensión pulmonar basado en aprendizaje profundo utilizando un estetoscopio digital", fue publicado en el Journal of the American Heart Association. Cuatro de sus autores están empleados o tienen acciones en Eko.
Diagnóstico con pruebas especializadas
La HP se caracteriza por una presión elevada en las arterias pulmonares, lo que provoca síntomas como dificultad para respirar, fatiga y debilidad, pudiendo derivar en insuficiencia cardíaca.
Actualmente, se diagnostica con pruebas como ecocardiografías o cateterismo cardíaco derecho (CCD). Aunque precisas, estas pruebas son costosas, requieren especialistas y, en el caso del CCD, son invasivas. Estas limitaciones pueden retrasar el diagnóstico hasta dos años después de la aparición de los síntomas, lo que empeora el pronóstico de los pacientes.
El algoritmo de detección de Eko se basa en fonocardiografía (PCG), una técnica no invasiva que capta sonidos cardíacos. Utilizando un estetoscopio digital, la IA analiza estos datos y predice si hay presión pulmonar elevada, el sello distintivo de la HP.
Para entrenar el algoritmo, se usaron más de 6.000 grabaciones de PCG junto con datos de ecocardiogramas, obtenidos de 789 personas. Luego, se evaluó en un grupo de 196 pacientes, logrando identificar correctamente la presión pulmonar elevada en aproximadamente el 80% de los casos.
Los investigadores destacaron que esta tecnología permitiría a médicos no especialistas en cardiología, como los de atención primaria, realizar cribados iniciales de HP. Además, facilitaría la detección en zonas rurales o con recursos médicos limitados, mejorando el acceso al diagnóstico.
Actualmente, Eko sigue recopilando datos de más de 1.200 pacientes para mejorar la precisión del algoritmo.
"Detectar enfermedades cardiovasculares de manera temprana es clave, y Eko está comprometida con desarrollar tecnologías accesibles y escalables para mejorar la atención médica en todo el mundo", señaló Steve Steinhubl, cardiólogo y asesor científico de Eko.