Cardiólogos vs Inteligencia Artificial, ¿quién detecta mejor los infartos?

Los infartos de miocardio o ataques cardíacos ocurren con bastante frecuencia, tanto por la vida sedentaria que solemos llevar, como los hábitos alimenticios. Y es que, como suele ocurrir con otras enfermedades, lo mejor es prevenirlo. Pero, una vez que llega a ocurrir, es muy importante la rapidez con la que se actúa, así como saber con precisión si hay que realizar alguna operación y exactamente cual. Es ahí dónde juega una importancia crucial la experiencia del cardiólogo. Pero, ¿cada vez será menos importante?

Cuando el suministro de sangre al músculo cardíaco se interrumpe permanentemente por un bloqueo es cuando se dice que se ha sufrido un infarto de miocardio, o ataque cardíaco. Los síntomas suelen ser conocidos, como un fuerte dolor en el pecho, dolor en los hombros y brazos, así como nauseas, mareos e incluso desmayos.

El tratamiento del infarto de miocardio consiste en realizar una ampliación de la arteria afectada con un balón o stent para conseguir que la sangre fluya de nuevo, o realizar un bypass de esa arteria obstruida realizando una derivación coronaria. Y, hay que escoger correctamente qué intervención realizar en muy poco tiempo para conseguir que las consecuencias de un ataque al corazón sean las mínimas posibles. Y es ahí dónde la inteligencia artificial quiere colaborar.

Así, hasta ahora, no existe una forma automática de detectar de una manera y precisa el infarto de miocardio. Pero esto podría ser cosa del pasado gracias al trabajo de Nils Strodthoff en el Fraunhofer Heinrich Hertz Institute en Berlín y Claas Strodthoff en el University Medical Center Schleswig-Holstein en Kiel, ambos en Alemania. Así, han desarrollado una red neuronal que puede detectar los signos de infarto de miocardio, y dicen que han conseguido que la máquina coincide en la tasa de acierto que tienen los cardiólogos.

Detectar un infarto tiene una complejidad muy alta

Pero, empecemos por el principio. La forma tradicional y efectiva de diagnosticar un ataque cardíaco es usar un electrocardiógrafo para registrar la actividad eléctrica del corazón. Así, un ECG (como se le denomina normalmente por abreviar) nos muestra la señal eléctrica de varios cables conectados a diferentes partes del cuerpo. Pero luego queda interpretar ese ECG, y no es algo fácil. Primero se tiene que elaborar una señal base, ignorar ruidos y datos que no sean correctos, y aislar los latidos del corazón individualmente. En base a los latidos, el médico buscará los intervalos de tiempo y los valores de voltaje detectados para cada latido.

Y, por si fuera poco, hay que añadir la detección de las características del latido para clasificarlos en consecuencia para poder decidir si existe un infarto de miocardio u otra patología. A esto podemos añadir que en una sala de urgencias, el ambiente suele ser de todo menos tranquilo y sin ruidos eléctricos que puedan alterar el ECG. Y sí, los cardiólogos son capaces de detectar ahí los infartos de miocardio, todo un logro y lo ponen verdaderamente difícil a una inteligencia artificial.

Como ya hemos visto, no es nada sencillo que en el ambiente de una sala de urgencias, un equipo automático pueda conseguir un diagnóstico claro y acertado de un infarto de miocardio. Pero, parece que las redes neuronales han conseguido avances significativos reconociendo patrones, como hemos podido ver en el día a día con el reconicimiento facial, de objetos, reconocerte por tu forma de andar o incluso vigilando para que no robes en un supermercado. Era el momento de utilizar esa evolución para otro tipo de patrones.

Strodthoff y Strodthoff han utilizado una base de datos de 148 registros de ECG de pacientes con infarto de miocardio y 52 de pacientes sanos. Los datos se recopilaron utilizando una ventana deslizante y cada ventana incluía al menos tres latidos del corazón. Una vez que se tienen los datos hay que entrenar a la red neuronal. Para ello se utilizaron el 90 por cierto de los datos recopilados.

Con el 10 por cierto restante, lo que se hizo fue probar la red neuronal para que detectara los patrones del infarto. Los resultados fueron más que interesantes:

"La arquitectura propuesta supera los actuales enfoques de vanguardia en este conjunto de datos y alcanza un nivel similar de rendimiento a los cardiólogos humanos para esta tarea"

Y analizando los resultados, parece que la red neuronal, con sólo esas muestras, ya fue capaz de utilizar y confiar preferentemente en las mismas pistas que lo hacen los cardiólogos humanos con años de experiencia.

Cómo hemos visto, el resultado y potencial de esta detección es enorme, aunque claro, no es perfecto. Por lo pronto, todavía se tiene un conjunto de datos pequeño y los algoritmos de aprendizaje automático requieren, normalmente, grandes conjuntos de datos. Así se hace necesario realizar una recopilación de datos de grabaciones de ECG de infartos de miocardio y no es algo sencillo ni rápido. Pero es algo totalmente necesario para que la fiabilidad sea muy elevada.

Pero, aplicar este enfoque de detección para problemas médicos no es nada descabellado. Así, puede utilizarse para detección de enfermedades coronarias utilizando los ECG, así como otro tipo de enfermedades utilizando EEG (electroencefalografía). En resumen, cualquier problema de clasificación en series temporales.

Seguro que todavía pasará bastante tiempo en que una máquina nos realice un diagnóstico completo, pero no pasará demasiado en que sea de utilidad y de gran apoyo para los médicos.