Desarrollo y Validación de un Modelo de Aprendizaje Profundo Multimodal Basado en Resonancia Magnética Cardíaca para la Predicción de Resultados a Largo Plazo en el Infarto de Miocardio con Elevación del Segmento ST

Objetivo: Este estudio tiene como objetivo desarrollar y probar un nuevo modelo de predicción basado en inteligencia artificial. Este modelo integrará imágenes de resonancia magnética cardíaca y datos clínicos para predecir el riesgo a largo plazo de eventos cardiovasculares adversos mayores en pacientes que se han sometido a una intervención coronaria percutánea de emergencia por infarto agudo de miocardio con elevación del segmento ST.

Descripción: Este estudio planea reclutar pacientes con IAMCEST que hayan recibido una ICP primaria. Aproximadamente una semana después del procedimiento, los pacientes se someterán a una resonancia magnética cardíaca. Simultáneamente, recopilaremos la información básica de los pacientes, los resultados de los análisis de sangre durante el tratamiento y los registros del procedimiento. Posteriormente, se realizará un seguimiento regular de los pacientes (cada seis meses) para registrar la aparición de cualquier evento cardíaco adverso mayor, como muerte cardiovascular, infarto de miocardio recurrente, hospitalización por insuficiencia cardíaca o revascularización repetida no planificada. Todos los datos recopilados, incluidos los datos clínicos y las imágenes de resonancia magnética cardíaca analizadas, se utilizarán para construir un modelo de aprendizaje profundo multimodal. El modelo aprenderá a identificar características asociadas con futuros problemas cardíacos. La precisión del modelo se probará y validará en diferentes grupos de pacientes.

Impacto potencial: Si tiene éxito, esta herramienta de predicción podría ayudar a los médicos a identificar a los pacientes de alto riesgo de manera más temprana y precisa, permitiendo un seguimiento más estrecho e intervenciones más oportunas, mejorando en última instancia el pronóstico a largo plazo de estos pacientes.