Este editorial analiza la oportunidad que nos ofrece la prevención a corto plazo a partir de los síntomas y el papel de la inteligencia artificial y el machine learning para detectar a las víctimas de alto riesgo y reducir el impacto del PC.

De todas las presentaciones de enfermedad cardiovascular, la muerte súbita cardiaca (MSC) es la más retadora, contando con millones de muerte cada año en todo el mundo. El problema es lo súbito de su presentación y lo rápidamente fatal, dando una oportunidad limitada para intervenir una vez que se presenta. A pesar de múltiples investigaciones en las últimas decadas, el pronóstico del paro cardiaco (PC) continua siendo pobre con < 10% de sobrevida a pesar de los avances y esfuerzos en la ciencia de la reanimación cardiopulmonar (RCP). La MSC tiene una gran carga financiera para los sistemas de salud y su naturaleza dramática tiene un importante impacto social y psicológico (1) . Por está razón las estrategias para reducir el impacto de la MSC están enfocadas en tratar de identificar a tiempo los individuos que probablemente experimentaran un PC. Fuera de la prevención primordial de la enfermedad arterial coronaria (EAC) y de la terapia farmacológica para insuficiencia cardíaca (IC), la prevención a largo plazo de la MSC en los últmos 20 años no ha sido apropiada, debido a las limitaciones en las herramientas utilizadas (desfibrilador automático implantable (DAI), desfibrilador subcutáneo, ablación con catéter y fármacos antiarrítmicos) así como la dificultad para identificar de una forma segura a los sujetos de alto riesgo.

Dos décadas de investigaciones han mostrado que la estrategia de prevención a largo plazo, basada en la indicación de un DAI en población de alto riesgo, tiene varias limitaciones, incluyendo la pobre identificación de los pacientes de alto riesgo, una tecnología imperfecta del DAI, una alta proporción de pacientes que reciben el DAI en prevención primaria nunca llegan a utilizarlo y un número significativo tienen complicaciones. Por otro lado muchas víctimas de MSC no tienen indicación de un DAI basados en los métodos de identificación actuales. Si bien contamos con estrategias de prevención establecidas (aunque imperfectas) para pacientes con enfermedad cardíaca conocida, no contamos con ninguna estrategia en población sin enfermedad cardíaca, ésto es importante ya que la mayoría de los casos de PC y MSC ocurren en sujetos sin enfermedad cardíaca conocida (2). Por otro lado, las guías vigentes, basan su estrategia sólo en el riesgo absoluto de MSC, sin tomar en cuenta el riesgo competitivo para otras formas de muerte, los pacientes que se beneficarán más con la terapia del DAI no son aquellos con mayor riesgo absoluto de MSC, si no aquellos con la mayor proporción riesgo de MSC/riesgo de muerte no súbita cadíaca (MNSC) (3). Requerimos buenos marcadores de riesgo para discriminar entre MSC y MNSC, desafortunadamente los factores de riesgo usuales asociados con MSC como edad, FEVI, clase funcional (NYHA), duración del QRS y fibrilación auricular también se asocian con MNSC y con progresión de la IC. La importancia del riesgo competitivo ha sido ampliamente demostrado en pacientes con y sin EAC, donde se ha demostrado que los pacientes con muy alto riesgo de otras formas de muerte no tienen un beneficio neto del DAI, especialmente a largo plazo y en los casos sin EAC (4)

Los síntomas antes del PC son una oportunidad para una nueva forma de prevención, la que llamaremos prevención a corto plazo, la cual está basada en las acciones en respuesta a los síntomas. Los síntomas de alarma previos a la MSC son una oportunidad para actuar a tiempo, la mitad de las víctimas de una MSC lo presentan, los síntomas principales son dolor precordial, disnea y síncope durante el mes previo, con recurrencia en más de 90% de los casos 24 hrs antes del PC  (5). El artículo de Marijon et al (6) analiza la oportunidad que nos ofrece la prevención a corto plazo a partir de los síntomas y el papel de la inteligencia artificial y el aprendizaje automatizado (machine learning) para detectar a las víctimas de alto riesgo y reducir el impacto del PC.

Cuando los síntomas son tomados en cuenta y se actua, se incrementa hasta 7 veces la sobrevidade de las víctimas de un PC ya que acorta el tiempo a la RCP. Los pacientes que se conocen portadores de EAC tienen 50% más sobrevida durante la RCP, debido al reconocimiento temprano de síntomas y la activación del sistema de emergencia médico (SEM). También se ha demostrado que las campañas para reconocer los síntomas de alarma llevan a una mejoría de los resultados posteriores al PC (7). El punto clave de esta estrategia es la especificidad de los síntomas, con la intención de no sobrecargar los servicios de urgencias o crear pánico inneceseario en los pacientes. Se necesita identificar especificamente a los casos de alto riesgo de MSC. Los pacientes de alto riesgo de PC y MSC deberán ser identificados previo a la admisión hospitalaria. En caso de pacientes con infarto agudo de miocardio con elevación del ST, se han identificado 5 parámetros simples que se asocian con mayor riesgo de MSC, éstos pueden ser evaluados por teléfono y son: edad joven, ausencia de obesidad, ausencia de diabetes mellitus, disnea, y un tiempo corto entre el inicio del dolor precordial y la llamada al SEM. Con éste cuestionario se pueden identificar subgrupos de pacientes con al menos 30% de riesgo de desarrolar MSC previo a la admisión hospitalaria (8).

La adquisición de señales ahora se ha facilitado con el reciente desarrollo de un amplio rango de equipos conectados, los parches de ECG son más convenientes con menos ruidos, los smartwatches son omnipresentes y han incorporado tecnología para capturar datos de salud, esos equipos son portátiles y registran el ritmo cardíaco de forma periódica y lo pueden hacer en el momento de los síntomas (9). Los síntomas y los equipos conectados tienen la capacidad de llegar a ser la piedra angular de la prevención a corto plazo, ya que pueden ser utilizados en cualquier momento, ya se sabe de la dificultad para detectar a víctimas de MSC, ya que el riesgo de PC es dinámico y está modulado por una variedad de factores medioambientales, estacionales y circadianos (10). Por otro lado, con la tecnología actualmente disponible, la prevención a corto plazo puede ser implementada utilizando evaluaciones activadas por el paciente empleando la tecnología disponible en los smartphones y smartwatches, que permiten registros de ECG durante el desarrollo de los síntomas. Si la evaluación inicial muestra un perfil de alto riesgo, varias acciones preestablecidas pueden ser tomadas como llamar o acudir al SEM. Los servicios médicos pueden ser activados ofreciendo al paciente la oportunidad de enviar un servicio médico a su domicilio o durante el traslado al hospital por si ocurrre el PC. Deacuerdo a la evaluación inicial, el paciente puede ser orientado al departamente apropiado, el cual puede ser una unidad de emergencia, una unidad de cuidados intensivos para la admisión temporal o a un laboratorio de cateterismo cardíaco en casos de un infarto de miocardio.

En un futuro cercano, utilizando la inteligencia artificial y el aprendizaje automatizado, podemos imaginar que los equipos conectados como los smartwatches pueden continuar monitorizando a personas con alto riesgo y automáticamente detectar a víctimas con PC utilizando parámetros claves como la frecuencia cardíaca, la saturación de 02, y la ausencia de movimientos físicos. El PC puede ser confirmado a través de la ausencia de respuesta a mensajes audibles o vibración del equipo. Inmediatamente después de la detección del PC, una alerta puede ser automáticamente transmitada a centros de emergencia cercanos y a potenciales primeros respondedores vecinos, reduciendo el tiempo de respuesta e inicio de la RCP. Los equipos conectados pueden asistir durante la RCP a los rescatadores dando instrucciones orales o por video, las víctimas pueden ser localizadas por geolocalización, el DAE y otras terapias médicas pueden ser entregadas de forma eficiente por drones que sobrepasan los problemas de tráfico y los obstáculos del terreno, los que han mostrado reducir hasta en 6 minutos el tiempo de llegada de un DAI (11).  La estrategia a corto plazo es complementaria a la estratificación de riesgo tradicional a mediano o largo plazo. Mientras que la prevención a mediano y largo plazo se aplican a pacientes con cardiopatías, la prevención a corto plazo se aplica a toda la población, incluyendo una gran mayoría de personas sin una condición cardiovascular. La prevención a corto plazo utilizando síntomas de alarma y monitorización dinámica es una estrategia complementaria promisoria. La monitorización de señales integradas a través de equipos conectados junto con el perfil de riesgo clínico y utilizando nuevas herramientas como la inteligencia artificial y el aprendizaje automatizado pueden redefinir la identificacion de personas en riesgo, mejorar la prevención de la MSC y el rápido rescate de las víctimas de un PC.

Referencias:

1- Damluji Abdulla A, Al-Damluji Mohammed S, Pomenti S, Zhang TJ, Cohen MG, Mitrani RD, et al. Health care costs after cardiac arrest in the United States. Circ Arrhythm Electrophysiol 2018;11:e005689

2- Lynge TH, Risgaard B, Banner J, Nielsen JL, Jespersen T, Stampe NK, et al. Nationwide burden of sudden cardiac death: a study of 54,028 deaths in Denmark. Heart Rhythm 2021;18:1657–1665

3- Younis A, Goldberger JJ, Kutyifa V, Zareba W, Polonsky B, Klein H, et al. Predicted benefit of an implantable cardioverter-defibrillator: the MADIT-ICD benefit score. Eur Heart J 2021;42:1676–1684.

4- Poole JE, Olshansky B, Mark DB, Anderson J, Johnson G, Hellkamp AS, et al. Long-term outcomes of implantable cardioverter-defibrillator therapy in the SCD-HeFT. J Am Coll Cardiol 2020;76:405–415.

5- Marijon E, Uy-Evanado A, Dumas F, Karam N, Reinier K, Teodorescu C, et al. Warning symptoms are associated with survival from sudden cardiac arrest. Ann Intern Med 2016;164:23–29.

6- Eloi Marijon, Rodrigue Garcia, Kumar Narayanan, Nicole Karam, and Xavier Jouven. Fighting against sudden cardiac death: need for a paradigm shift—Adding near-term prevention and pre-emptive action to long-term prevention.  European Heart Journal (2022) 43, 14571464 https://doi.org/10.1093/eurheartj/ehab903)

7- Nehme Z, Andrew E, Bernard S, Patsamanis H, Cameron P, Bray JE, et al. Impact of a public awareness campaign on out-of-hospital cardiac arrest incidence and mortality rates. Eur Heart J 2016;38:1666–1673

8- Karam N, Bataille S, Marijon E, Giovannetti O, Tafflet M, Savary D, et al. Identifying patients at risk for prehospital sudden cardiac arrest at the early phase of myocardial infarction. Circulation 2016;134:2074–2083

9- Svennberg E, Tjong F, Goette A, Akoum N, Di Biase L, Bordachar P, Boriani G et al. How to use digital devices to detectd and manage arrhythmias: an EHRA practical guide. Europace 2022;24:979-1005

10- Gerber Y, Jacobsen SJ, Killian JM, Weston SA, Roger VL. Seasonality and daily weather conditions in relation to myocardial infarction and sudden cardiac death in Olmsted County, Minnesota, 1979 to 2002. J Am Coll Cardiol 2006;48: 287–292

11- Claesson A, Bäckman A, Ringh M, Svensson L, Nordberg P, Djärv T, et al. Time to delivery of an automated external defibrillator using a drone for simulated out-of-hospital cardiac arrests vs emergency medical services. J Am Med Assoc 2017;317:2332–2334