La UPV desenvolupa una IA per a identificar arítmies cardíaques abans de l'ablació

Un nou model combina electrocardiogrames i dades clíniques per a localitzar el circuit de la fibril·lació auricular.

Imatge genèrica de representacions abstractes de circuits elèctrics i fluxos de dades, amb llum blava i blanca sobre fons fosc.
IA

Imatge genèrica de representacions abstractes de circuits elèctrics i fluxos de dades, amb llum blava i blanca sobre fons fosc.

Investigadors del grup EP Analytics LAB de l'ITACA-UPV han desenvolupat un model d'intel·ligència artificial (IA) explicable capaç d'identificar de manera no invasiva el circuit elèctric responsable de la fibril·lació auricular.

La investigació, realitzada en col·laboració amb ETH Zurich i l'Hospital Universitari La Paz de Madrid, combina informació obtinguda d'un electrocardiograma convencional de 12 derivacions amb diverses variables clíniques relacionades amb el pacient. Publicat a la revista IEEE Journal of Translational Engineering in Health and Medicine, l'estudi demostra que el model pot estimar la localització del circuit responsable de l'arítmia i la seua direcció de rotació, aspectes clau per a guiar el mapeig cardíac i seleccionar l'estratègia d'ablació més adequada. Actualment, aquest mecanisme es confirma habitualment mitjançant un estudi electrofisiològic invasiu.
“El nostre objectiu és extraure informació de l'electrocardiograma que ajude els especialistes a anticipar quin circuit està causant l'arítmia abans que comence el procediment”, explica José Millet, cap del EP Analytics LAB a ITACA-UPV.
L'equip va analitzar dades de 97 pacients que s'havien sotmès a un estudi electrofisiològic. Utilitzant els seus electrocardiogrames, els investigadors van reconstruir representacions tridimensionals de l'activitat elèctrica auricular i van calcular paràmetres relatius a la forma, complexitat i velocitat de propagació del senyal elèctric. Aquestes característiques es van combinar amb dades com l'edat, l'índex de massa corporal, l'historial de fibril·lació auricular i ablacions prèvies. El model va classificar els casos en quatre tipus de flutter: dos circuits comuns i dos circuits perimitrals, cadascun amb rotació horària o antihorària.
“El sistema multimodal va superar els models basats exclusivament en senyals cardíacs o informació clínica. La seua principal contribució és que identifica quines característiques del senyal i variables clíniques tenen major influència en cada predicció, fent que els resultats siguen més fàcils d'interpretar per als professionals sanitaris”, destaca Francisco Castells, investigador a ITACA-UPV.
La metodologia podria guiar el mapeig cap al circuit més probable, anticipar la complexitat del procediment i millorar l'eficiència de la planificació de l'ablació. El seu objectiu no és reemplaçar l'estudi electrofisiològic, sinó proporcionar una eina per a donar suport a la presa de decisions clíniques.
“El caràcter innovador d'aquest treball rau en la combinació de dades clíniques amb paràmetres electrofisiològics interpretable, com la geometria del circuit, la velocitat de propagació de l'activitat elèctrica o la presència de possibles àrees de conducció lenta”, conclouen els investigadors de l'ITACA. Els pròxims passos se centraran en validar el sistema amb un major nombre de pacients i a través d'estudis multicèntrics. L'equip també desenvoluparà mètodes per a extraure automàticament l'activitat auricular sense administrar adenosina.
Informació elaborada a partir de la font oficial: ITACA — Institut d'Investigació en Tecnologies per a la Salut i el Benestar (UPV) (28/10/2026)