Un algoritmo de IA altamente preciso distingue los ataques cardíacos reales de las falsas alarmas, según un estudio realizado por investigadores de la Universidad de Edimburgo. La herramienta, llamada CoDE-ACS, ha sido probada en más de 10.000 pacientes en seis países, logrando un 99,6% de precisión en el diagnóstico.
En comparación con los métodos de prueba actuales que se basan en medir los niveles de la proteína protonina en la sangre, el algoritmo de IA pudo descartar un ataque cardíaco en más del doble de pacientes. Los investigadores encontraron que el umbral utilizado actualmente no tiene en cuenta factores como la edad o el historial clínico, lo que puede afectar la exactitud del análisis. Además, se ha demostrado que las mujeres tienen un 50% más de probabilidades de recibir un diagnóstico inicial incorrecto.
La herramienta CoDE-ACS de IA logró descartar de manera precisa los ataques cardíacos en todos los pacientes, independientemente de su edad, sexo o condiciones de salud preexistentes. Este enfoque ofrece precisión y rapidez en el análisis, lo que beneficia tanto a los pacientes como al personal de las salas de emergencia al reducir la presión en estos entornos.
El algoritmo se entrenó con datos de más de 10.000 pacientes, tanto con como sin lesiones de miocardio. Nicholas Mills, director del estudio y profesor de cardiología de la Fundación Británica del Corazón (BHF), resalta el potencial de esta herramienta para salvar vidas y mejorar la atención médica. El dolor en el pecho es una de las razones más comunes para acudir a emergencias, pero puede tener múltiples causas, por lo que la precisión de CoDE-ACS en descartar ataques cardíacos puede ser transformadora para los departamentos de emergencia.
La BHF señala que las personas mal diagnosticadas inicialmente tienen un 70% más de riesgo de morir después de 30 días. Además, el número de personas en listas de espera para atención cardíaca ha aumentado significativamente durante la pandemia. Por lo tanto, este nuevo algoritmo de IA tiene el potencial de tener un impacto importante en la dinámica laboral de las salas de emergencia y mejorar los resultados para los pacientes. Actualmente se están llevando a cabo ensayos clínicos en Escocia para evaluar más a fondo el impacto de esta herramienta.
