“Este estudio representa una profunda modernización de cómo gestionamos la anticoagulación para pacientes con fibrilación auricular y puede cambiar el paradigma de cómo se toman decisiones clínicas”, afirmó el Dr. Joshua Lampert, director de Machine Learning en Mount Sinai. El equipo presentó un modelo de inteligencia artificial que analiza historias clínicas completas para decidir si un paciente con fibrilación auricular debe usar anticoagulantes para prevenir un ictus, considerando también el riesgo de sangrado.
El modelo fue entrenado con historiales electrónicos de salud de 1.8 millones de pacientes, abarcando más de 21 millones de consultas, 82 millones de notas médicas y más de 1.2 mil millones de datos. Luego se validó internamente en 38 642 pacientes del sistema de salud de Mount Sinai y externamente en 12 817 pacientes de fuentes públicas de Stanford.
Según los resultados, el algoritmo recomendó no anticoagular a casi la mitad de los pacientes con fibrilación auricular que bajo las guías actuales lo hubieran recibido, sin comprometer la protección frente al ictus. Esto podría disminuir significativamente los eventos de sangrado mayores asociados con el uso indiscriminado de anticoagulantes.
La ventaja del modelo radica en su capacidad de personalizar decisiones: en lugar de usar puntajes de riesgo generalizados, este sistema analiza el perfil completo del paciente (edad, comorbilidades, historial clínico) y estima probabilidades individuales de accidente cerebrovascular versus riesgo de sangrado.
Este enfoque puede liberar una carga cognitiva para los médicos, al ofrecer recomendaciones con desgloses de probabilidades de ictus y sangrado, y permitir decisiones compartidas con los pacientes basadas en datos claros y personalizados.
Aunque promete transformar la práctica clínica, los autores señalan que es necesario realizar ensayos clínicos prospectivos para confirmar la efectividad y seguridad de estas decisiones automatizadas antes de su adopción generalizada. También advierten sobre la necesidad de garantizar transparencia, ética en el uso de IA y protección de datos.
En conclusión, este modelo de IA desarrollado por Mount Sinai abre la puerta a un tratamiento más preciso y seguro de la fibrilación auricular, reduciendo posibles efectos adversos sin sacrificar la prevención de ictus. Puede ser el inicio de una nueva era en cardiología: decisiones clínicas individualizadas, basadas en datos reales y no solo en estadísticas poblacionales.
Fuente original aquí
