NotiPress
La inteligencia artificial (IA) podría ayudar a predecir la muerte cardíaca repentina y hasta abordar el riesgo de una persona para prevenir el fallecimiento, reveló un nuevo estudio. Así, se podría ofrecer una nueva perspectiva respecto a la prevención y estrategias del sector salud, según los resultados preliminares de la investigación hecha por la Asociación Americana del Corazón.
En Estados Unidos, la muerte cardíaca súbita es considera una carga importante a la salud pública, pues representa entre el 10 y 20 por ciento de las muertes totales en el sistema. Predecirla es difícil, y usualmente se fracasa para identificar a las personas con alto riesgo, señaló el autor principal y profesor de cardiología en el Centro de Investigación Cardiovascular de París, Xavier Jouven.
Por medio de la IA, los investigadores analizaron datos de 25 mil personas que murieron por un paro cardíaco súbito y de 70 mil personas de la población general. Estos representaron más de un millón de diagnósticos hospitalarios y 10 millones de medicamentos prescritos, fueron recolectados de los registros médicos hasta una década antes de cada muerte.
Al usar la IA para analizar los datos, los investigadores construyeron casi 25 mil ecuaciones con factores de salud personalizados usados para identificar a las personas con mayor riesgo de una muerte cardíaca súbita.
Las ecuaciones de riesgo personalizado incluyeron los datos médicos de cada persona, tales como tratamientos por presión arterial y el historial de las enfermedades cardíacas, así como desórdenes mentales. El análisis identificó a estos factores con mayor probabilidad de disminuir o aumentar el riesgo de muerte cardíaca súbita en un porcentaje y período de tiempo determinados.
Durante la investigación, la IA logró identificar a las personas con más del 90% de riesgo de morir repentinamente. Estos representaron más de uno de cuatro casos de muerte cardíaca súbita.
Una de las limitaciones del estudio es el uso de modelos de predicción más allá de la investigación. Adicionalmente, la recolección de datos en historiales médicos electrónicos pueden incluir proxies en lugar de datos crudos, y la data recogida podría ser diferente para cada país, requiriendo una adaptación en los modelos de predicción.