Muerte súbita cardíaca. Es el sombrío titular que golpea anualmente a 300.001 personas en Estados Unidos.
Existen desfibrilas implantables. Detienen ritmos letales. La tecnología funciona bien. ¿El verdadero dolor de cabeza? No tenemos idea de quién los necesita hasta que, a menudo, ya es demasiado tarde.
Eso cambia ligeramente hoy.
Un equipo dirigido por Ziad Obermeya, profesor asociado de UC Berkeley, acaba de publicar un estudio en Nature. Entrenaron una red neuronal para detectar peligros en un electrocardiograma (ECG) de diez segundos. Luego, lo más importante, construyeron una segunda red para mostrar cómo lo hizo la primera.
¿Por qué molestarse con el segundo modelo?
Porque la medicina odia las cajas negras. Necesitamos expertos humanos para ver la pista por sí mismos.
Actualmente los cardiólogos confían en la fracción de eyección del ventrículo izquierdo (FEVI). Mide cuánta sangre bombea el corazón por latido mediante ultrasonido.
Está lejos de ser perfecto.
“Muchas personas que mueren repentinamente… se hicieron [la ecografía] y los resultados fueron normales”, dice Obermeyer. Mientras tanto, muchas personas de alto riesgo nunca fueron escaneadas. Por otro lado, la mayoría de las personas clasificadas como de alto riesgo nunca activan sus desfibriladores. Estamos sobretratando a algunos. Tratar mal a los demás.
El equipo de Obermeyer quería algo mejor.
Recurrieron a los ECG. Barato. Ubicuo. Pero durante un siglo los cardiólogos sólo vieron formas de onda familiares. No hay código oculto para muerte súbita. Entonces dejaron que el aprendizaje profundo profundizara.
El motor era un ResNet de 64 capas. ¿Aburrido? Seguro.
“Es una especie de modelo de asilo que todo el mundo usa”.
La magia fue el combustible. Le proporcionaron más de 440.090 ECG de 180.000 pacientes en Suecia vinculados a registros de defunción. Un conjunto de datos masivo. La IA marcó aproximadamente el 2,2% como de alto riesgo.
¿Se mantiene en otros lugares?
Sí. Probaron con datos de Estados Unidos y Taiwán. La señal se mantuvo nítida. Dentro de ese pequeño grupo de 2,2, la tasa de mortalidad anual alcanzó el 7%. Las pruebas de ultrasonido estándar no detectan esto. Más del 86% de las selecciones de la IA no habrían dado la alarma con las herramientas tradicionales. Es probable que estos pacientes caminaran a casa sin protección.
“¿Pero qué está viendo la máquina?” -Preguntó Obermeyer.
Las herramientas de explicabilidad estándar resaltan los píxeles. No es útil para un médico humano. Necesitas un patrón. Una ola que se puede dibujar.
Entonces construyeron un modelo generativo. Su trabajo: transformar un ECG seguro en uno arriesgado paso a paso hasta que la primera red gritara peligro.
La mayoría de los cambios eran conocidos. Esperado.
¿Pero una característica? Nuevo. Nunca descrito.
Una sutil confusión en la derivación aVL. Como si la señal eléctrica se fragmentara cuando golpea el músculo.
“Extrajimos nuevos conocimientos de la inteligencia artificial”, dice Changxin Lai de Johns Hopkins, que no participó en el estudio pero revisó el trabajo.
¿Suena aterrador?
Tal vez. Para algunos pacientes de alto riesgo, las resonancias magnéticas mostraron fibrosis difusa. Cicatrices que coinciden con las extrañas ondas que generó la IA. Una causa física para la advertencia digital. Obermeyer admite que falta la confirmación de la biopsia. Es preliminar.
No entre en pánico todavía.
“Esto no está preparado para guiar el tratamiento”, advierte Sumeet Chugh de Cedars-Sinai. Él ve mucha más investigación antes de que esto identifique a los candidatos a desfibrilador en la práctica.
Pero piense en la logística. Las resonancias magnéticas son caras. Raro para la detección.
¿ECG? En cualquier lugar. Un Apple Watch puede grabarlos. Sí, la IA prefiere los datos de grado hospitalario, pero la brecha se está reduciendo. La caída en la calidad de la tecnología de consumo es menor según el equipo.
¿La belleza de este enfoque? No tienes que confiar en el robot.
“Puedes utilizarlo para orientar más anuncios”, explica Obermeyer. Señala quién se sumerge más profundamente. No quién se operará hoy.
Sin embargo, deja una pregunta flotando en el aire.
Si una IA detecta una fractura en la señal que ignoramos durante cien años, ¿cuántos otros fantasmas se esconden a la vista de nuestros gráficos?
Quizás nunca lo sepamos a menos que los escuchemos.
