Mitjançant noves tècniques d’intel·ligència artificial i d’aprenentatge automàtic, serà possible determinar amb precisió on es desencadenen determinades arrítmies cardíaques. Determinar el lloc d’origen d’aquestes arrítmies permetrà augmentar l’eficàcia d’un dels procediments més habituals per tractar-les: l’ablació per radiofreqüència, que essencialment consisteix en la introducció d’un catèter en un dels ventricles del cor, amb què s’emet la radiofreqüència necessària per eliminar l’alteració del ritme cardíac. Així ho exposa un article científic publicat recentment a la Revista Frontiers in Cardiovascular medicine, fruit d’una investigació liderada pel grup de recerca Physense de la Unitat de Recerca BCN Medtech de la UPF.

Concretament, la recerca planteja aplicar les tècniques d’IA i Machine learning per precisar l’origen d’un tipus específic d’arrítmia ventricular. Totes les arrítmies ventriculars es deuen a alteracions del ritme normal del cor que s’inicien a les cavitats internes del cor (els ventricles), però n’hi ha de diferents tipologies. Aquesta recerca es refereix a la denomina arrítmia ventricular del tracte de sortida (OTVA per les seves sigles en anglès), la regió que connecta els ventricles amb les principals artèries del cor. L’OTVA és la manifestació més comuna de les denominades arrítmies ventricular idiopàtiques, aquelles que es produeix per causes que no es poden identificar a través dels mètodes convencionals o en pacients sense cardiopaties estructurals, de manera que és més difícil precisar-ne els motius.

Actualment, més enllà de la medicació per corregir les alteracions del ritme cardíac, el tractament més freqüent de l’arrítmia OTVA és l’ablació per radiofreqüència. Per aplicar aquesta tècnica, cal primerament fer un mapeig del circuit elèctric que origina una arrítmica cardíaca per després ubicar el catèter emissor de radiofreqüència a la zona del trastorn. Això genera l’augment de temperatura necessari per eliminar la part específica del teixit cardíac on es desencadena l’arrítmia.

Majors probabilitats d’èxit i menor durada dels tractament de certes arrítmies ventriculars, alguns dels objectius del nou model basat en IA

Fins ara, l’efectivitat dels tractaments amb ablació per radiofreqüència està per sota del que seria desitjable. Per millorar-la, cal precisar millor el lloc d’origen de l’arrítmia, de manera que el catèter emissor de radiofreqüència pugui actuar sobre la zona exacte on s’origina. Això augmentaria les probabilitats d’èxit del tractament i es reduirien els temps d’intervenció i les taxes de recaiguda.

Aquest és el repte que aborda l’article científic publicat recentment a la revista Frontiers in Cardiovascular medicine. Per part del grup de recerca Physense de la Unitat de Recerca BCN Medtech de la UPF, han participat en la recerca Álvaro J. Bocanegra-Pérez (autor principal), Gemma Piella, Guillermo Jimenez-Perez i Oscar Cámara (investigador principal). Per part del Centre Mèdic Teknon de Barcelona, també en són coautors Giulio Falasconi, David Soto-Iglesias i Antonio Berruezo. Altres coautors són Rafael Sebastian, del CoMMLab de la Universitat de València; Andrea Saglietto (Departament de Ciències Mèdiques de la Universitat de Torí) i Diego Penela (Hospital de Recerca Humanitas de Milà).

En l’article, proposen un model basat en IA i Machine learning, que pot contribuir a millorar substancialment la precisió de diagnòstics i tractaments actuals de les arrítmies OVTA. Els mètodes diagnòstics actuals es basen fonamentalment en l’anàlisi dels electrocardiogrames (ECG) realitzats abans de l’operació, a partir de la inspecció visual que en fan professionals mèdics. Malgrat la seva experiència, la inspecció visual està subjecta a l’error humà i pot derivar en diagnòstics equivocats o poc precisos, cosa que, al seu torn, pot reduir l’eficàcia del tractament per sota dels nivells òptims.

Durant els darrers anys, ja s’han desenvolupat mètodes més avançats per tractar de superar les limitacions de les inspeccions visuals dels electrocardiogrames a partir de models computacionals i enfocaments d'aprenentatge automàtic (ML). Tot això, els mètodes ideats fins ara encara presenten limitacions a l’hora de determinar amb precisió on s’originen les arrítmies OTVA o pel que fa a l’obtenció d’informació específica i personalitzada de cada pacient o la interpretació i aplicació dels resultats en escenaris clínics reals.

Un model d’IA per analitzar de forma integrada dades clíniques i electrocardiogrames, que facilita la precisió dels diagnòstics

Per superar aquestes limitacions, l’estudi liderat pel grup de recerca Physense de la UPF planteja un enfocament holístic que permetrà diagnòstics i tractaments més efectius de les arrítmies OTVA. A partir de tècniques d’IA i Machine learning, serà possible analitzar de forma integrada i automàticament dades clíniques reals referents a l’edat, sexe i antecedents mèdics del pacient, - especialment sobre si ha patit prèviament hipertensió o no- i electrocardiogrames (tant reals com simulats per mètodes computacionals). Això permetrà precisar el lloc d’origen de les arrítmies en cada cas particular, reduir el marge d’error respecte a les inspeccions visuals, a més de facilitar la interpretació dels resultats.

Pel que fa a les aportacions de la recerca, Álvaro J. Bocanegra-Pérez, investigador del grup de recerca Physense de la UPF, assegura: “El mètode proposat ha demostrat que és eficaç per diferenciar OTVAs d'origen esquerre i dret. La metodologia utilitzada fa que el sistema sigui robust i garanteix interpretabilitat per a qualsevol anàlisi posterior, per exemple, la identificació del lloc d'origen específic de l'arrítmia. Aquest apropament multimodal i interpretable és clau per al treball multidisciplinari entre metges i enginyers, ja que permet fer aportacions a la metodologia d'ambdues parts”.

La recerca realitzada ha demostrat l’eficàcia d’aquest mètode en arrítmies ventriculars originades tant al ventricle dret com a l’esquerra, a partir d’un estudi que ha combinat l’anàlisi de 2.496 casos simulats amb el de pacients reals. D’aquest segon grup, s’ha examinat el cas de 114 pacients de l’Hospital Teknon de Barcelona i 31 de l’Hospital Clínic de Barcelona i 334 més corresponents a un estudi realitzat a la Xina (Zheng et al.). Més enllà d’aquesta investigació, caldrà seguir treballant en aquesta línia de recerca, analitzant dades d’un major nombre de pacients per articular un sistema més robust amb potencial per generalitzar-se a la pràctica clínica.

Article de referència:

Álvaro J. Bocanegra-Pérez, Gemma Piella, Rafael Sebastian, Guillermo Jimenez-Perez, Giulio Falasconi, Andrea Saglietto, David Soto-Iglesias, Antonio Berruezo, Diego Penela i Oscar Camara. Automatic and interpretable prediction of the site of origin in outflow tract ventricular arrhythmias: machine learning integrating electrocardiograms and clinical data. Front. Cardiovasc. Med., 20 March 2024, Sec. Cardiac Rhythmology, Volume 11–2024. https://doi.org/10.3389/fcvm.2024.1353096