La traza cardíaca AI + ECG puede predecir con precisión la diabetes y la prediabetes

Un algoritmo de inteligencia artificial (IA), derivado de las características de los latidos cardíacos individuales registrados en un ECG (electrocardiograma), puede predecir con precisión la diabetes y la prediabetes, sugiere una investigación preliminar publicada en la revista en línea Innovaciones de BMJ.

Si se valida en estudios más grandes, el enfoque podría usarse para detectar la enfermedad en entornos de bajos recursos, dicen los investigadores.

Se estima que 463 millones de adultos en todo el mundo tenían diabetes en 2019, y detectar la enfermedad en sus primeras etapas es clave para prevenir problemas de salud graves posteriores. Pero el diagnóstico depende en gran medida de la medición de la glucosa en sangre.

Esto no solo es invasivo, sino que también es un desafío implementarlo como una prueba de detección masiva en entornos de bajos recursos, señalan los investigadores.

Los cambios estructurales y funcionales en el sistema cardiovascular ocurren temprano, incluso antes de los cambios indicativos de glucosa en sangre, y estos aparecen en un trazado cardíaco de ECG.

Por lo tanto, los investigadores querían ver si las técnicas de aprendizaje automático (IA) podrían usarse para aprovechar el potencial de detección del ECG para predecir la prediabetes y la diabetes tipo 2 en personas con alto riesgo de padecer la enfermedad.

Se basaron en los participantes del estudio Diabetes in Sindhi Families in Nagpur (DISFIN), que analizó la base genética de la diabetes tipo 2 y otros rasgos metabólicos en familias sindhi con alto riesgo de padecer la enfermedad en Nagpur, India.

Las familias con al menos un caso conocido de diabetes tipo 2 y que vivían en Nagpur, que tiene una alta densidad de personas sindhi, se inscribieron en el estudio.

Los participantes proporcionaron detalles de sus antecedentes médicos personales y familiares, su dieta normal y se sometieron a una amplia gama de análisis de sangre y evaluaciones clínicas. Su edad promedio era de 48 años y el 61% de ellos eran mujeres.

La prediabetes y la diabetes se identificaron a partir de los criterios de diagnóstico especificados por la Asociación Estadounidense de Diabetes.

La prevalencia tanto de diabetes tipo 2 como de prediabetes fue alta: alrededor del 30% y el 14%, respectivamente. Y la prevalencia de la resistencia a la insulina también fue alta, 35 %, al igual que la prevalencia de otras afecciones coexistentes influyentes: presión arterial alta (51 %), obesidad (alrededor del 40 %) y grasas en sangre desordenadas (36 %).

Se realizó un trazo cardíaco estándar de ECG de 12 derivaciones que duró 10 segundos para cada uno de los 1262 participantes incluidos. Y se combinaron 100 características estructurales y funcionales únicas para cada derivación para cada uno de los 10 461 latidos cardíacos individuales registrados para generar un algoritmo predictivo (DiaBeats).

Basado en la forma y el tamaño de los latidos cardíacos individuales, el algoritmo DiaBeats detectó rápidamente la diabetes y la prediabetes con una precisión general del 97 % y una precisión del 97 %, independientemente de los factores influyentes, como la edad, el sexo y los trastornos metabólicos coexistentes.

Las características importantes del ECG coincidieron consistentemente con los desencadenantes biológicos conocidos que sustentan los cambios cardíacos que son típicos de la diabetes y la prediabetes.

Los investigadores reconocen que los participantes del estudio tenían un alto riesgo de diabetes y otros trastornos metabólicos, por lo que es poco probable que representen a la población general. Y DiaBeats fue un poco menos preciso en quienes tomaban medicamentos recetados para la diabetes, presión arterial alta, colesterol alto, etc.

Tampoco había datos disponibles para aquellos que se volvieron prediabéticos o diabéticos, lo que hizo imposible determinar el impacto de la detección temprana.

«En teoría, nuestro estudio ofrece una alternativa relativamente económica, no invasiva y precisa [to current diagnostic methods] que se puede utilizar como un guardián para detectar de forma eficaz la diabetes y la prediabetes en las primeras etapas de su curso», concluyen.

«Sin embargo, la adopción de este algoritmo en la práctica rutinaria necesitará una validación sólida en conjuntos de datos externos e independientes», advierten.