REVISTA ESPAÑOLA DE
CARDIOLOGÍA
ISSN: 0300-8932 Factor de impacto 2023 7,2

SEC 2023 - El Congreso de la Salud Cardiovascular

Málaga, 26 - 29 de Octubre de 2023


Introducción
Dr. Juan José Gómez Doblas
 Presidente del Comité Científico del Congreso
 Vicepresidente de la SEC
Comités ejecutivo, organizador y científico
Comité de evaluadores
Listado de sesiones
Índice de autores

77. Inteligencia artificial e historia electrónica ya son presente en cardiología

Fecha : 28-10-2023 09:00:00
Tipo : Comunicaciones mini orales
Sala : Sala M5

7. HERRAMIENTA COMPUTACIONAL DE TELEMEDICINA ÚTIL PARA CLASIFICAR ALERTAS DE INSUFICIENCIA CARDIACA EN PACIENTES CON DISPOSITIVOS CARDIACOS IMPLANTABLES

Jesús Flores Soler1, Carmen Sánchez Vallejo1, María Jesús García Torrent1, Francisco José García González2, Victoria Cañadas Godoy1, Ricardo Salgado Aranda1, Juan José González Ferrer1, Carmen Martínez Rincón2, María Herreros Gil1, María Sánchez Sánchez1, Beatriz Cerrón Rodríguez1, Aránzazu de Miguel López1, Mónica Lamuedra del Olmo1, Julián Pérez-Villacastín Domínguez1 y Nicasio Pérez Castellano1

1Hospital Clínico San Carlos, Madrid, España y 2Facultad de Enfermería, Fisioterapia y Podología. Universidad Complutense, Madrid, España.

Introducción y objetivos: La insuficiencia cardiaca (IC) es la primera causa de hospitalización cardiovascular en los países desarrollados. Cada vez más pacientes con IC reciben dispositivos electrónicos implantables cardiacos (DEIC) que recopilan datos fisiológicos que pueden usarse para predecir descompensaciones y evitar hospitalizaciones. Algunos DEIC disponen de un Índice de Insuficiencia Cardiaca (IC-I) basado en la información proporcionada por 5 sensores (ruidos cardiacos, volumen y frecuencia respiratoria, impedancia torácica, frecuencia cardiaca y nivel de actividad) capaces de predecir hasta 34 días antes episodios de descompensación de IC con elevada sensibilidad, aunque con una tasa no despreciable de falsos positivos. Nuestro objetivo fue desarrollar una herramienta computacional para analizar la dinámica de las curvas del IC-I y encontrar predictores para la detección de verdaderos episodios de descompensación.

Métodos: Estudio unicéntrico retrospectivo que analizó las curvas de alertas de IC-I en pacientes con desfibrilador automático implantable (DAI) y/o resincronizador-DAI (DAI-CRT) usando un software matemático. Se incluyó el pico y el tiempo máximos, área bajo la curva, pendientes de ascenso y descenso, variabilidad y monotonía de la curva (figura). Las alertas (IC-I ≥ 16) se clasificaron clínicamente como descompensación de IC real (alertas clínicas) y descompensación de IC falso positivo (alertas espurias).

Resultados: Se analizaron 21.021 datos de 71 alertas de IC en 25 pacientes entre 2017 y 2021. La mediana de edad fue 68 años (DE 62-74), 76% mujeres, 60% tenían miocardiopatía no isquémica. Mediana de fracción de eyección del ventrículo izquierdo 29% (DE 25-35), 60% miocardiopatía no isquémica. Los pacientes con alertas clínicas tenían mayores pendientes de ascenso, valores de IC-I más altos a los 3 días de cruzar la alerta y curvas menos monótonas. Se observaron diferencias significativas en el valor máximo del IC-I, área bajo la curva y tiempo hasta el pico máximo de la alerta (tabla). El valor del IC-I en el día 7 desde el inicio de la alerta fue un predictor robusto de eventos clínicos (ABC 0,82). Un valor en el día 7 desde el inicio de la alerta ≥ 25 tuvo sensibilidad del 95% y especificidad del 100% para detectar eventos clínicos.

Parámetro

Clínica

Espurias

p

IC-I máximo

30 (25,1-42,3)

20 (17,5-23,8)

0,0001

Tiempo hasta pico máximo

23 (11,2-36,8)

9 (3,6-20,1)

0,0032

IC-I 3 días

20 (17,1-25)

18 (16,4-19,2)

0,0361

IC-I 7 días

23 (19-29,2)

19 (16,3-20,8)

0,0004

Área bajo curva

1.285 (709,9-1.825,9)

475 (344,2-797,3)

0,0001

Área 3 días

46 (37,9-53,2)

40 (36,4-47,2)

0,0406

Área 7 días

131 (116,5-166,6)

117 (103,9-125,4)

0,0023

Pendiente ascenso 7 días después

1 (0,5-2,2)

1 (0,3-1,8)

0,0055

Variabilidad ascenso

1 (1,03-1,9)

1 (0,4-1,2)

0,0002

Monotonía ascenso

13 (44,8)

28 (68,3)

0,05

IC-I: índice de insuficiencia cardíaca. El área bajo la curva representa el área matemática trazada bajo la curva y que es distinta a las curvas ROC.

Conclusiones: Nuestra herramienta computacional puede ayudar a clasificar las alertas clínicas frente a las espurias en pacientes con IC-I y DEIC.

Comunicaciones disponibles de "Inteligencia artificial e historia electrónica ya son presente en cardiología"

1. MODERA
Jordi Bañeras Rius, Hospital Universitari Vall d'Hebron, Barcelona
 
2. MODELOS PREDICTIVOS BASADOS EN INTELIGENCIA ARTIFICIAL (IA) EN LA ESTIMACIÓN DEL RIESGO DE EVENTOS CARDIOVASCULARES TRAS SÍNDROME CORONARIO AGUDO CON ELEVACIÓN DEL SEGMENTO ST
Carlos Peña Gil1, Dimitris Gatsios2, Nikos Pappas2, Manuela Sestayo Fernández3, Marta Alonso Vázquez4, Violeta González Salvado5, Estíbaliz Díaz Balboa4, Carmen Neiro Rey6 y José Ramón González Juanatey6

1Rehabilitación Cardiaca. Complejo Hospitalario Universitario de Santiago de Compostela, Santiago de Compostela (A Coruña), España, 2Capemed, Ioannina, Grecia, 3Rehabilitación Cardiaca. Instituto de Investigación Sanitaria Santiago de Compostela IDIS, Santiago de Compostela (A Coruña), España, 4Instituto de Investigación Sanitaria Santiago de Compostela IDIS, Santiago de Compostela (A Coruña), España, 5Cardiología. Hospital Clínico Universitario de Santiago de Compostela, Santiago de Compostela (A Coruña), España y 6Cardiología. Complejo Hospitalario Universitario de Santiago de Compostela, Santiago de Compostela (A Coruña), España.
3. PLATAFORMA CLARIFY: UNA HERRAMIENTA BASADA EN INTELIGENCIA ARTIFICIAL PARA LA EVALUACIÓN DEL RIESGO DE DISFUNCIÓN CARDIACA SECUNDARIA AL TRATAMIENTO EN EL PACIENTE ONCOLÓGICO
María Torrente Regidor1, Pedro da Costa Sousa2, Óscar Salvador Montañés3, Mariola Blanco Clemente1, Beatriz Núñez García4, Gracinda Guerreiro2, Joao Pimentao2, Blanca Cantos Sánchez4 y Mariano Provencio Pulla4

1Hospital Universitario Puerta de Hierro, Majadahonda (Madrid), España, 2NOVA School of Science and Technology. Universidade Nova de Lisboa, Caparica Lisboa, Portugal, 3Cardiología. Hospital Universitario de Torrejón, Torrejón de Ardoz Madrid, España y 4Oncología Médica. Hospital Universitario Puerta de Hierro, Majadahonda (Madrid), España.
4. EVALUACIÓN DEL POTENCIAL DE CHATGPT PARA EL DIAGNÓSTICO Y TRATAMIENTO DE ENFERMEDADES CARDIOVASCULARES
Cristina Villabona Rivas, Maite Odriozola Garmendia, Julene Ugarriza Ortueta, Jara Amaiur Garcia Ugaldebere, Arturo Lanaspa Gallego, Betel Olaizola Balboa, Pablo Raposo Salas, Leire Goñi Blanco, Virginia Álvarez Asiain, Mayte Basurte Elorz, Marina Virosta Gil, Amaia Loyola Arrieta, Andoni Fernández González, Teresa Borderías Villarroel y Gonzalo Luis Alonso Salinas

Cardiología. Hospital Universitario Navarra, Pamplona/Iruña (Navarra), España.
5. UTILIDAD DEL ANÁLISIS COMPUTARIZADO DEL ELECTROCARDIOGRAMA PARA PREDECIR LA PRESENCIA DE FIBRILACIÓN ATRIAL PAROXÍSTICA EN LOS PACIENTES CON ICTUS CRIPTOGÉNICOS
Dafne Viliani1, Alberto Cecconi2, Miguel Spínola Tena3, Alba Osorio Míguez4, Beatriz López Melgar5, Álvaro Montes2, Álvaro Ximénez Carrillo6, Carmen Ramos6, Clara Aguirre6, José Vivancos6, Agustín Ramos2, Alberto Vera2, Fernando Alfonso Manterola2, Guillermo José Ortega3 y Luis Jesús Jiménez Borreguero2

1Servicio de Cardiología. Ospedale Santa Chiara, Trento, Italia, 2Servicio de Cardiología. Hospital Universitario de La Princesa, Madrid, España, 3Unidad Análisis Datos. Hospital Universitario de La Princesa, Madrid, España, 4Universidad Rey Juan Carlos, Madrid, España, 5Servicio de Cardiología. Hospital Universitario de La Princesa, Madrid, España y 6Servicio de Neurología. Hospital Universitario de La Princesa, Madrid, España.
6. IMPLICACIONES PRONÓSTICAS DE LA IMPLEMENTACIÓN DE CONSULTA ELECTRÓNICA EN PACIENTES CON INSUFICIENCIA CARDIACA: DIFERENCIAS DEL IMPACTO ENTRE PACIENTES CON Y SIN HOSPITALIZACIONES PREVIAS
David García-Vega1, Pilar Mazón-Ramos2, Manuel Portela-Romero3, Moisés Rodríguez-Mañero2, Daniel Rey-Aldana4, Manuela Sestayo-Fernández2, Inés Gómez-Otero2, Sergio Cinza-Sanjurjo4 y José Ramón González-Juanatey2

1Complexo Hospitalario Universitario de Santiago de Compostela, Santiago de Compostela (A Coruña), España, 2Cardiología. Complexo Hospitalario Universitario de Santiago de Compostela, Santiago de Compostela (A Coruña), España, 3Hospital Clínico Universitario de Santiago de Compostela, Investigación Sanitaria de Santiago de Compostela IDIS y CIBERCV, Santiago de Compostela (A Coruña), España y 4Instituto de Investigación Sanitaria de Santiago de Compostela IDIS y Xerencia de Xestión Integrada de Santiago XXIS/SERGAS y CIBERCV, Santiago de Compostela (A Coruña), España.
7. HERRAMIENTA COMPUTACIONAL DE TELEMEDICINA ÚTIL PARA CLASIFICAR ALERTAS DE INSUFICIENCIA CARDIACA EN PACIENTES CON DISPOSITIVOS CARDIACOS IMPLANTABLES
Jesús Flores Soler1, Carmen Sánchez Vallejo1, María Jesús García Torrent1, Francisco José García González2, Victoria Cañadas Godoy1, Ricardo Salgado Aranda1, Juan José González Ferrer1, Carmen Martínez Rincón2, María Herreros Gil1, María Sánchez Sánchez1, Beatriz Cerrón Rodríguez1, Aránzazu de Miguel López1, Mónica Lamuedra del Olmo1, Julián Pérez-Villacastín Domínguez1 y Nicasio Pérez Castellano1

1Hospital Clínico San Carlos, Madrid, España y 2Facultad de Enfermería, Fisioterapia y Podología. Universidad Complutense, Madrid, España.
8. PODER PREDICTIVO DE LOS GRUPOS DE MORTALIDAD AJUSTADOS EN INSUFICIENCIA CARDIACA: ANÁLISIS POBLACIONAL DE 77.554 PACIENTES HOSPITALIZADOS
María del Carmen Basalo Carbajales1, Lidia Alcoberro 1, Santiago Jiménez Marrero1, Emili Vela2, Montse Clèries2, David Monterde2, Raúl Ramos Polo1, Alexandra Pons Riverola1, Alberto Garay1, Núria José Bazan1, Pedro Moliner Borja1, Miriam Corbella1, Cristina Enjuanes Grau1, Cristina Capdevila1 y Josep Comín Colet1

1Hospital Universitari Bellvitge, L´Hospitalet de Llobregat Barcelona, España y 2Servei Català de la Salut CatSalut, Barcelona, España.

Más comunicaciones de los autores

¿Es usted profesional sanitario apto para prescribir o dispensar medicamentos?