La reperfusión rápida mediante intervención coronaria percutánea primaria (ICP) sigue siendo la piedra angular del manejo de pacientes con infarto agudo de miocardio con elevación del segmento ST (IAMCEST). Guiados por el principio de que “el tiempo es músculo”, la identificación temprana y la activación rápida del laboratorio de cateterismo cardíaco (CCL) reducen significativamente los retrasos hasta la intervención, mejorando los resultados clínicos. Recientemente, las guías del American College of Cardiology ampliaron los criterios electrocardiográficos (ECG) para activación emergente del CCL, enfatizando estrategias invasivas inmediatas tanto para IAMCEST convencional como para patrones críticos equivalentes a IAMCEST en el ECG, sugestivos de oclusión coronaria aguda, como infarto posterior aislado u ondas T hiperagudas.
A pesar de los avances en los sistemas regionales de IAMCEST y la activación prehospitalaria del CCL, persisten retrasos para alcanzar los tiempos de reperfusión recomendados, especialmente en centros sin ICP y en áreas rurales. Los tiempos de intervención superiores a los objetivos se asocian con una mortalidad tres veces mayor tanto en IAMCEST como en sus equivalentes. Los protocolos estandarizados y las vías de transferencia predefinidas, a menudo basadas en la interpretación del ECG por clínicos no cardiólogos, han mejorado el acceso a ICP primaria. Sin embargo, estas estrategias de activación rápida pueden aumentar las activaciones falsas (AF), reportadas entre el 15% y el 30%, lo que genera fatiga del personal, uso innecesario de recursos y posibles daños al paciente.
La interpretación de ECG basada en inteligencia artificial (IA), mediante redes neuronales profundas entrenadas con resultados angiográficos de cohortes IAMCEST, ha emergido como una herramienta prometedora para mejorar la precisión del triage desde el primer contacto médico (PCM). Estudios internacionales previos demostraron que los modelos de IA ofrecen mayor sensibilidad y especificidad, reduciendo errores de clasificación y tiempos hasta el tratamiento. En este contexto, se evaluó el impacto clínico y operativo de la versión más reciente del modelo de ECG con IA (Queen of Hearts, PMcardio, Powerful Medical) en un registro multicéntrico de EE. UU., enfocándose en la sensibilidad diagnóstica usando el ECG inicial, los tiempos puerta-balón (D2B) y las tasas de activación falsa.
Se analizaron retrospectivamente 1.032 pacientes con sospecha de IAMCEST que activaron de manera emergente el CCL en tres centros de intervención coronaria percutánea geográficamente diversos entre enero de 2020 y mayo de 2024. Los ECG iniciales fueron evaluados mediante triage estándar y análisis retrospectivo ciego con IA, entrenada para detectar oclusión coronaria aguda y mimetismos benignos. El estándar de referencia fue la presencia de una lesión culpable confirmada angiográficamente con enzimas positivas. Se comparó la precisión diagnóstica, análisis por subgrupos clínicos y reclasificación de AF.
De las 1.032 activaciones, 601 (58,2%) correspondieron a IAMCEST confirmados.
El modelo de IA superó al triage estándar, mostrando una sensibilidad del ECG inicial de 92,0% (553/601; IC 95%: 89,7%-94,1%) frente a 71,0% (427/601; IC 95%: 67,4%-74,6%), y una especificidad de 81,0% (431/531; IC 95%: 77,2%-84,5%) frente a 29,0% (154/531; IC 95%: 24,8%-33,4%).
Las activaciones falsas se redujeron a 7,9% (34/431; IC 95%: 6,4%-9,6%) frente a 41,8% (180/431; IC 95%: 38,9%-44,7%), con área bajo la curva ROC (AUC) de 0,94 (IC 95%: 0,92-0,95).
El desempeño se mantuvo consistente en subgrupos clínicamente desafiantes, como fibrilación auricular, bloqueo de rama y equivalentes de IAMCEST. Además, el modelo reclasificó correctamente 277/306 (91%) AF con biomarcadores negativos, optimizando precisión diagnóstica y reduciendo errores clínicos.
¿Qué nos deja este estudio?
El análisis de ECG basado en IA mejoró significativamente la detección de IAMCEST, redujo las activaciones falsas y permitió un reconocimiento más preciso de presentaciones no convencionales. Estos hallazgos respaldan la integración del análisis de ECG con IA en los protocolos de dolor torácico agudo, con potencial para reducir retrasos en la reperfusión y mejorar los resultados clínicos de los pacientes.
