La primera pregunta que los doctores se hacen cuando un paciente llega al hospital con dolor torácico, es si está sufriendo un infarto o no. Algo que no está claro a partir del ECG,y que puede llevar hasta 24 horas saber con las pruebas adicionales.
Por ello, el nuevo modelo, señala Salah Al-Zaiti, su autor principal, puede ayudar a abordar este reto mejorando la evaluación del riesgo para que los pacientes puedan recibir la atención adecuada sin demora.
Habitualmente, los clínicos son capaces de reconocer fácilmente entre los picos y valles de un electrocardiograma, un patrón distinto que indica el peor tipo de infarto, denominado IAMCEST y que está causado por la obstrucción total de una arteria coronaria y requiere intervención inmediata para restablecer el flujo sanguíneo.
El problema está en que casi dos tercios de los infartos que están causados por una obstrucción grave, no presentan el patrón de ECG revelador. Por esta razón, la nueva herramienta ayuda a detectar pistas sutiles en el ECG que son difíciles de detectar para los médicos, mejorando así la calificación de los pacientes con dolor torácico.
El modelo fue desarrollado por el coautor Ervin Sejdic con el ECG de 4.026 pacientes con dolor torácico de tres hospitales de Pittsburgh y validándose externamente con 3.287 pacientes de otro sistema hospitalario.
A continuación, los investigadores compararon su modelo con tres patrones de referencia para evaluar los eventos cardiacos: la interpretación del ECG por un clínico experimentado, los algoritmos comerciales de ECG y la puntuación HEART, que tiene en cuenta los antecedentes en el momento de la presentación, como el tabaquismo, la diabetes o el colesterol alto.
El nuevo modelo superó a los tres, reclasificando con precisión a 1 de cada 3 pacientes con dolor torácico como de riesgo bajo, intermedio o alto, algo que sorprendió gratamente a los investigadores, quienes solo esperaban igualar la precisión de HEART.
Este algoritmo ayudará al personal de los SEM y a los proveedores de los servicios de urgencias a identificar a las personas que sufren un infarto y a las que tienen reducido el flujo sanguíneo al corazón de una forma mucho más sólida en comparación con el análisis tradicional del ECG.
Asimismo, también podrá ayudar a orientar las decisiones médicas del SME, como iniciar determinados tratamientos sobre el terreno o alertar a los hospitales de la llegada de un paciente de alto riesgo y también a identificar a los pacientes de bajo riesgo que no necesitan ir a un hospital con una instalación carioca especializada.
En la siguiente fase de esta investigación, el equipo está ahora optimizando la forma de implantar el modelo en colaboración con la Oficina de Servicios Médicos de Urgencia de la ciudad de Pittsburgh, desarrollando un sistema basado en la nube que se integra con los centros de mando de los hospitales que reciben lecturas de ECG de los SME.
El modelo analizará el ECG y enviará una evaluación del riesgo del paciente, orientando las decisiones médicas en tiempo real.
