A pesar de que la terapia de resincronización cardiaca reduce la morbilidad y la mortalidad en pacientes con insuficiencia cardíaca, el síndrome de insuficiencia cardíaca afecta a grupos de pacientes particularmente heterogéneos, lo que puede limitar la eficacia de este tratamiento.

Partiendo del objetivo de la medicina personalizada de optimizar la adaptación de los tratamientos a pacientes específicos para maximizar la respuesta terapéutica, los autores de un estudio recientemente publicado en el European Journal of Heart Failure han implementado un algoritmo que, a partir de datos ecocardiográficos complejos y parámetros clínicos, podría identificar de manera precisa qué pacientes con insuficiencia cardíaca se pueden beneficiar de una terapia de resincronización cardiaca.

El estudio ha sido llevado a cabo por Sergio Sánchez Martínez, quien recientemente ha defendido su tesis doctoral en el Departamento de Tecnologías de la Información y las Comunicaciones (DTIC), y ha sido dirigido por Bart Bijnens, profesor de investigación ICREA-DTIC y coordinador del Grupo de Investigación Sensing in Physiology and Biomedicine (PhySense), del BCN MedTech de la UPF y por Gemma Piella, investigadora y profesora asociada del DTIC. Este estudio es fruto de una colaboración con Maja Cikes, del Hospital Universitario de Zagreb, y Scott D. Solomon, profesor de la Escuela de Medicina de Harvard (Boston), y ha sido en parte financiado por la Fundación "La Caixa" y la Fundación La Marató de TV3.

El algoritmo agrupó pacientes por su similitud

En un ensayo clínico se estudiaron 1.106 pacientes con diagnóstico de insuficiencia cardíaca, de los cuales 677 recibieron terapia de resincronización cardiaca y 429 fueron tratados solamente con un desfibrilador cardioversor implantable. Al analizar la función cardíaca junto con parámetros demográficos, clínicos y de medicación, el algoritmo fue capaz de agrupar pacientes por su similitud utilizando técnicas de agrupamiento no supervisado, y analizar las características de cada grupo para así relacionarlas con las respuestas terapéuticas obtenidas.

El algoritmo propuesto en este trabajo integra más de 1600 parámetros por paciente que incluyen datos demográficos, clínicos y de medicación, y también patrones complejos de forma y deformación del ventrículo izquierdo, que son imposibles de describir con métodos tradicionales

Técnica basada en el aprendizaje automático no supervisado

A pesar de que el enfoque del aprendizaje automático se ha aplicado al diagnóstico, clasificación, y recomendación de tratamientos en pacientes con insuficiencia cardíaca, así como también para identificar diferentes fenotipos en diversos trastornos cardíacos, los autores proponen una técnica basada en el aprendizaje automático no supervisado que caracteriza a individuos de manera precisa a partir de un gran número de parámetros clínicos, a fin de superar las limitaciones de las guías clínicas que no consiguen diagnosticar de forma precisa y predecir el pronóstico de un grupo de pacientes con insuficiencia cardíaca. La integración de datos clínicos con múltiples parámetros ecocardiográficos – como la deformación miocárdica y los cambios de volumen del ventrículo izquierdo – podrían superar algunas de las limitaciones del enfoque tradicional.

Los algoritmos de aprendizaje no supervisado caracterizan de manera precisa a los pacientes a partir de un gran número de parámetros clínicos y de ecocardiografía, superando las limitaciones de las actuales guías de diagnóstico

Los datos sobre la estructura y la función cardíaca proporcionados por la ecocardiografía contienen una gran cantidad de información del ciclo cardíaco que tradicionalmente está desaprovechada. El algoritmo propuesto en este trabajo integra más de 1600 parámetros por paciente que incluyen datos demográficos, clínicos y de medicación, y también patrones complejos de forma y deformación del ventrículo izquierdo, que son imposibles de describir con métodos tradicionales.

Según los autores, los resultados de este estudio "sirven como una prueba de concepto de que, la integración de todos estos parámetros clínicos utilizando algoritmos de aprendizaje automático no supervisado puede proporcionar una clasificación clínicamente significativa de un conjunto de pacientes con insuficiencia cardíaca, lo que puede ayudar a optimizar la tasa de respuesta a tratamientos como el de resincronización cardiaca".

_{IMAGEN PRINCIPAL: Figura 1 del trabajo publicado en el European Journal of Heart Failure,doi: 10.1002 / ejhf.1333}