Solución escalable de inteligencia artificial para infarto de miocardio ST: estudio transversal (ASSIST)

Los retrasos en el triaje y el diagnóstico de pacientes presentados con dolor torácico u otros síntomas sugestivos de síndrome coronario agudo (AC) pueden ser fatales. Este estudio tiene como objetivo mejorar esos dos aspectos en el cuidado de la enfermedad isquémica aguda: reducir los retrasos a la intervención y mejorar la precisión del diagnóstico inicial, que son de suma importancia en casos de ACS, especialmente en STEMI. El primero juega un papel fundamental para minimizar las tasas de mortalidad hospitalaria, que se ha demostrado que disminuyen proporcionalmente con la reducción de los tiempos a la intervención. Este último se basa en una interpretación correcta del ECG, la herramienta de diagnóstico de primera línea en la evaluación de pacientes con sospecha de AC.

El estándar actual de atención para ACS incluye un ECG de 12 derivaciones que debe realizarse dentro de los primeros 10 minutos desde el primer contacto médico. El ECG debe ser interpretado por un médico calificado, que alertará al cardiólogo de guardia para confirmar o no la activación del "código de infarto", basado en el ECG y la presentación clínica. Dicha activación implicará principalmente la transferencia inmediata del paciente al hospital más cercano con la posibilidad de angiografía coronaria de emergencia (si no está presente en la institución inicial) e eventual intervención coronaria percutánea (PCI). Con respecto al diagnóstico de infarto agudo de miocardio (AMI), una interpretación precisa y rápida del primer ECG es crítica para el diagnóstico diferencial entre STEMI, NSTEMI o angina inestable; y siga el estándar adecuado de las pautas de atención. Los mayores retrasos ocurren entre el primer ECG y el transporte para el laboratorio de cateterismo cardíaco, que tiene implicaciones pronósticas.

En los últimos años, las herramientas digitales automáticas basadas en la inteligencia artificial (IA) se han propuesto como una solución para apoyar a los médicos en la interpretación del ECG, reduciendo su carga de trabajo y su tiempo de diagnóstico, lo que sugiere el impacto beneficioso de las plataformas AI-AI para el diagnóstico preciso de AMI. En esta configuración, las plataformas AI-AI deberían poder detectar automáticamente patrones de ECG vinculados a una anatomía coronaria desfavorable y malos resultados. También es esencial tener la capacidad de identificar patrones de ECG más sutiles, no obvios durante la interpretación de los médicos, pero que indica una anatomía coronaria de alto riesgo. Además, la plataforma debería ayudar a la predicción de las lesiones coronarias más graves, especialmente la estenosis obstructiva. Esta capacidad de detectar lesiones coronarias podría ser útil para prevenir la activación innecesaria o prematura del laboratorio de cateterismo, principalmente en el entorno NSTEMI.

El estudio clínico Assist es un estudio transversal y multicéntrico con el objetivo de recopilar datos para desarrollar la plataforma Willem ™, una herramienta basada en IA para el análisis de ECG. Esta plataform podría mejorar la precisión del diagnóstico de AMI, particularmente la diferenciación entre STEMI y NSTEMI, y la identificación temprana de pacientes con infarto de miocardio de oclusión (OMI).