Vés enrere Un algorisme podria indicar quins pacients es poden beneficiar de la teràpia de resincronització cardíaca

Un algorisme podria indicar quins pacients es poden beneficiar de la teràpia de resincronització cardíaca

Segons els resultats d'un estudi internacional dirigit per Bart Bijnens, professor d'investigació ICREA i coordinador del Grup de Recerca PhySense del BCN MedTech, publicat a l'European Journal of Heart Failure i que s’ha dut a terme en 1.106 pacients amb diagnòstic d'insuficiència cardíaca.

09.11.2018

 

Tot i que la teràpia de resincronització cardíaca redueix la morbiditat i la mortalitat en pacients amb insuficiència cardíaca, la síndrome d'insuficiència cardíaca afecta grups de pacients particularment heterogenis, la qual cosa pot limitar l'eficàcia d'aquest tractament.

Partint de l'objectiu de la medicina personalitzada d'optimitzar l'adaptació dels tractaments a pacients específics per maximitzar la resposta terapèutica, els autors d'un estudi recentment publicat a l'European Journal of Heart Failure han implementat un algorisme que, a partir de dades ecocardiogràfiques complexes i paràmetres clínics, podria identificar de manera precisa quins pacients amb insuficiència cardíaca es poden beneficiar d'una teràpia de resincronització cardíaca.

L'estudi ha estat dut a terme per Sergio Sánchez Martínez, que recentment ha defensat la seva tesi doctoral al Departament de Tecnologies de la Informació i les Comunicacions (DTIC), i ha estat dirigit per Bart Bijnens,  professor d'investigació ICREA-DTIC i coordinador del Grup de Recerca Sensing in Physiology and Biomedicine (PhySense), de l' BCN MedTech de la UPF i per Gemma Piella, investigadora i professora associada del DTIC. Aquest estudi és fruit d'una col·laboració amb Maja Cikes, de l'Hospital Universitari de Zagreb, i Scott D. Solomon, professor de l'Escola de Medicina de Harvard (Boston), i ha estat en part finançat per la Fundació "La Caixa" i la Fundació La Marató de TV3.

L’algorisme va agrupar pacients per la seva similitud

En un assaig clínic es van estudiar 1.106 pacients amb diagnòstic d'insuficiència cardíaca, dels quals 677 van rebre teràpia de resincronització cardíaca i 429 van ser tractats només amb un desfibril·lador cardioversor implantable. En analitzar la funció cardíaca juntament amb paràmetres demogràfics, clínics i de medicació, l'algorisme va ser capaç d'agrupar pacients per la seva similitud utilitzant tècniques d'agrupament no supervisat, i analitzar les característiques de cada grup per així relacionar-les amb les respostes terapèutiques obtingudes.

L'algorisme proposat en aquest treball integra més de 1600 paràmetres per pacient que inclouen dades demogràfiques, clíniques i de medicació, i també patrons complexos de forma i deformació del ventricle esquerre, que són impossibles de descriure amb mètodes tradicionals

Tècnica que es basa en l’aprenentatge automàtic no supervisat

Tot i que l'enfocament de l'aprenentatge automàtic s'ha aplicat al diagnòstic, classificació, i recomanació de tractaments en pacients amb insuficiència cardíaca, així com també per identificar diferents fenotips en diversos trastorns cardíacs, els autors proposen una tècnica basada en l'aprenentatge automàtic no supervisat que caracteritza individus de manera precisa a partir d'un gran nombre de paràmetres clínics, per tal de superar les limitacions de les guies clíniques que no aconsegueixen diagnosticar de forma precisa i predir el pronòstic d'un grup de pacients amb insuficiència cardíaca. La integració de dades clíniques amb múltiples paràmetres ecocardiogràfics - com la deformació miocàrdica i els canvis de volum del ventricle esquerre - podrien superar algunes de les limitacions de l'enfocament tradicional.

Els algorismes d'aprenentatge no supervisat caracteritzen de manera precisa els pacients a partir d'un gran nombre de paràmetres clínics i d'ecocardiografia, per tal de superar les limitacions de les actuals guies de diagnòstic

Les dades sobre l'estructura i la funció cardíaca proporcionats per l'ecocardiografia contenen una gran quantitat d'informació del cicle cardíac que tradicionalment està desaprofitada. L'algorisme proposat en aquest treball integra més de 1600 paràmetres per pacient que inclouen dades demogràfiques, clíniques i de medicació, i també patrons complexos de forma i deformació del ventricle esquerre, que són impossibles de descriure amb mètodes tradicionals.

Segons els autors, els resultats d'aquest estudi "serveixen com una prova de concepte que, la integració de tots aquests paràmetres clínics utilitzant algorismes d'aprenentatge automàtic no supervisat pot proporcionar una classificació clínicament significativa d'un conjunt de pacients amb insuficiència cardíaca, la qual cosa pot ajudar a optimitzar la taxa de resposta a tractaments com el de resincronització cardíaca".

Treball de referència:

Maja Cikes, Sergio Sanchez-Martinez, Brian Claggett, Nicolas Duchateau, Gemma Piella, Constantine Butakoff, Anne Catherine Pouleur, Dorit Knappe, Tor Biering-Sørensen, Valentina Kutyifa, Arthur Moss, Kenneth Stein, Scott D. Solomon, and Bart Bijnens ( 2018),"Machine learning-based phenogrouping in heart failure to identify responders to cardíac resynchronization therapy", European Journal of Heart Failure,doi: 10.1002 / ejhf.1333.

Multimèdia

Categories:

ODS - Objectius de desenvolupament sostenible:

Els ODS a la UPF

Contact