AI-Enabled Digital Stethoscope for Early Detection of Congenital Heart Disease: Prospective Study

Cada año, miles de niños nacen con defectos estructurales en sus corazones. En muchas partes del mundo, detectar estos problemas a tiempo es una cuestión de vida o muerte, pero el acceso a médicos especializados y máquinas de imagen costosas suele ser escaso. Durante generaciones, el primer paso para detectar estos problemas ha sido el simple acto de escuchar. Un médico coloca un estetoscopio contra el pecho de un niño, escuchando el ritmo del latido del corazón y la presencia de cualquier sonido adicional, conocidos como soplos, que podrían señalar un problema. Este método es gratuito, no invasivo y está disponible en casi todas partes, pero depende enteramente de la habilidad y la experiencia de la persona que sostiene el dispositivo. Un soplo que es obvio para un especialista podría ser pasado por alto por un médico general, y la precisión del diagnóstico puede variar enormemente dependiendo de quién esté escuchando.

Para cerrar esta brecha, los investigadores han comenzado a explorar cómo las computadoras pueden aprender a escuchar mejor que los humanos. Al combinar un estetoscopio digital con inteligencia artificial, los científicos esperan crear una herramienta que pueda escuchar los signos sutiles de las enfermedades cardíacas con la misma consistencia que un experto de alto nivel, independientemente del entorno o de la formación del oyente. Este enfoque no reemplaza la necesidad de imágenes avanzadas, que siguen siendo el estándar de oro para confirmar un diagnóstico, pero ofrece una forma poderosa de decidir quién necesita esa atención avanzada de inmediato. Un nuevo estudio de un hospital en la India pone a prueba esta idea, preguntando si un programa informático puede detectar de manera confiable la cardiopatía congénita en niños simplemente analizando los sonidos de sus corazones.

Los investigadores se propusieron construir y probar un sistema que pudiera escuchar los latidos del corazón y decidir si un niño tiene un defecto cardíaco. Reclutaron a 721 niños y adultos jóvenes, que iban desde lactantes hasta adultos, que visitaban una unidad cardíaca especializada. Aproximadamente la mitad de estos participantes tenían defectos cardíacos confirmados, mientras que los otros tenían corazones estructuralmente normales. Utilizando un estetoscopio digital que registra el sonido y lo envía de forma inalámbrica a un teléfono inteligente, el equipo capturó los sonidos del corazón en cuatro puntos estándar del pecho: la parte superior derecha, la parte superior izquierda, la parte inferior izquierda y la punta del corazón. Cada grabación duró veinte segundos. El equipo luego dividió sus datos, utilizando los sonidos de 301 participantes para enseñar a un programa informático cómo suena un corazón sano frente a uno defectuoso. Los 420 participantes restantes se utilizaron para probar el programa sin que los investigadores conocieran el diagnóstico real de antemano, asegurando que la prueba fuera justa e imparcial.

El programa informático funcionaba convirtiendo las ondas de sonido puras en un mapa visual llamado espectrograma de Mel. Este mapa muestra el sonido de una manera que imita cómo el oído humano percibe el tono, permitiendo que la computadora vea patrones en el ruido que son invisibles para el oído humano. El programa analizó estos mapas utilizando un tipo de inteligencia artificial conocida como red neuronal convolucional, la cual está diseñada para reconocer patrones complejos en imágenes y sonidos. El sistema aprendió a identificar firmas acústicas específicas asociadas con diferentes tipos de defectos cardíacos, como el flujo turbulento de la sangre a través de una válvula estrechada o el flujo continuo de sangre a través de un orificio en la pared del corazón. Cuando el programa escuchaba un sonido, calculaba una puntuación de probabilidad para determinar si era probable que el corazón fuera anormal.

Cuando los investigadores probaron el sistema con los 420 participantes no vistos anteriormente, los resultados fueron impactantes. La inteligencia artificial identificó correctamente 222 de los 233 niños que tenían defectos cardíacos, perdiendo solo 11 casos. También identificó correctamente 171 de los 187 niños con corazones sanos, señalando a 16 niños sanos como potencialmente con un problema. Este desempeño se tradujo en una sensibilidad del 95.2 por ciento y una especificidad del 91.4 por ciento en comparación con el diagnóstico final realizado mediante ecocardiografía, la imagen por ultrasonido utilizada como referencia definitiva. En términos más sencillos, la computadora pasó por alto muy pocos niños enfermos y rara vez dio una falsa alarma para los niños sanos. El sistema funcionó tan bien como un cardiólogo pediátrico entrenado escuchando con un estetoscopio tradicional e, incluso en algunos casos, superó a los oyentes humanos en entornos ruidosos o con niños que no cooperaban porque estaban llorando o moviéndose.

El estudio también examinó de cerca los tipos de defectos cardíacos que el sistema podía encontrar. Fue excepcionalmente bueno detectando defectos donde el flujo sanguíneo aumentaba, como los orificios entre las cámaras del corazón, captando el 98 por ciento de estos casos. También fue altamente efectivo encontrando defectos donde el flujo sanguíneo disminuía, como las válvulas estrechadas, con una tasa de detección del 93 por ciento. Incluso para los defectos donde el flujo sanguíneo permanecía normal, el sistema mantuvo una fuerte tasa de detección del 91 por ciento. Los investigadores señalaron que los pocos casos que el sistema perdió fueron a menudo aquellos donde el defecto cardíaco producía sonidos muy tenues o nulos, incluso para un médico humano experto. Esto sugiere que las limitaciones de la computadora eran similares a las limitaciones de la audición humana, en lugar de ser un fallo de la tecnología en sí.

El rendimiento del sistema se mantuvo constante en todos los grupos de edad, desde lactantes de menos de un año hasta adultos de más de dieciocho años. Esto es particularmente significativo porque escuchar los corazones de los lactantes es notoriamente difícil; sus corazones laten mucho más rápido y a menudo están llorando o inquietos, lo que dificulta que un humano aísle el sonido de un soplo. El hecho de que la computadora mantuviera una alta precisión en estas condiciones desafiantes sugiere que podría ser una herramienta vital para los programas de detección de recién nacidos. Los investigadores reconocieron que su estudio se llevó a cabo en un solo centro y que el sistema fue entrenado con datos de niños que aún no habían pasado por una cirugía cardíaca. También señalaron que el sistema fue diseñado para detectar la presencia de un problema, no para identificar el tipo específico de defecto o su gravedad.

A pesar de estas limitaciones, los hallazgos ofrecen una visión convincente del futuro de la detección de enfermedades cardíacas. El estudio demuestra que un sistema de inteligencia artificial integrado en un estetoscopio digital puede detectar cardiopatías congénitas en niños con alta precisión, igualando el desempeño de especialistas expertos. Al proporcionar una forma confiable y no invasiva de detectar defectos cardíacos, esta tecnología podría ayudar a identificar a los niños que necesitan atención urgente mucho más temprano, especialmente en regiones donde el acceso a cardiólogos especializados es limitado. Los investigadores concluyen que tal herramienta tiene el potencial de estandarizar la detección, reducir los retrasos en el diagnóstico y, en última instancia, mejorar los resultados para los niños con defectos cardíacos en todo el mundo.