Los trastornos del potasio sérico son un factor clave y frecuentemente infravalorado de inestabilidad eléctrica y mortalidad cardiovascular en el ámbito agudo. Su detección depende habitualmente del laboratorio, lo que puede retrasar decisiones terapéuticas críticas. Aunque el ECG es, en teoría, una herramienta inmediata, la evidencia acumulada demuestra que su interpretación por clínicos no expertos tiene una sensibilidad limitada, especialmente en las fases moderadas de hiper o hipopotasemia.
Con estas premisas, los autores del estudio pretendían evaluar si un sistema de inteligencia artificial aplicado al ECG (AI-ECG) podría ser capaz de inferir el potasio sérico a partir de patrones electrofisiológicos, para así poder modificar, de forma temprana, el comportamiento terapéutico del médico.
Para ello, se realizó un estudio pragmático, aleatorizado, desarrollado en un servicio de urgencias. Durante seis meses, casi quince mil pacientes fueron atendidos por médicos que, según su asignación, recibían o no una alerta emergente en la historia clínica electrónica cuando el AI-ECG detectaba un riesgo elevado de hiper o hipopotasemia moderada-severa. La alerta no imponía una acción, sino que ofrecía una estimación del potasio “electrocardiográfico” y recordaba el riesgo cardiovascular asociado.
Al analizar los resultados, la capacidad del AI-ECG para identificar hiperpotasemia (≥6.0 mmol/L) alcanzó un área bajo la curva (AUC) cercana a 0.97, con un valor predictivo negativo prácticamente absoluto y en el caso de la hipopotasemia (≤3.0 mmol/L) de 0.906.
El impacto de las alertas varió significativamente según el tipo de desequilibrio electrolítico detectado:
- Hiperpotasemia: El 69.1% recibió tratamiento oportuno frente al 41.6% del grupo control. La mayor diferencia se observó en la primera hora (HR 3.13), lo que puede indicar que los médicos actuaron antes de disponer de los resultados de laboratorio
- Hipopotasemia: la alerta no logró modificar significativamente las tasas de tratamiento para la hipopotasemia (31.4% vs 29.7%). Los autores sugieren que los médicos perciben esta alteración como menos urgente y muestran una mayor dependencia de la confirmación analítica antes de suplementar potasio
Es de destacar, que las alertas de AI-ECG motivaron un incremento en las evaluaciones de riesgo cardíaco. En el grupo de intervención se solicitaron más pruebas de troponina I, NT-proBNP y ecocardiogramas, especialmente en casos calificados como "pseudopositivos" (IA positiva con potasio sérico normal), debido a su asociación con comorbilidades cardiovasculares
Desde el punto de vista de seguridad, no hubo diferencias significativas en la incidencia de eventos de hipopotasemia o hiperpotasemia inducidos por el tratamiento entre ambos grupos.
Este ensayo clínico aleatorizado, pragmático, demuestra que la integración de un sistema de electrocardiograma habilitado por inteligencia artificial (AI-ECG) en los registros electrónicos de salud acelera significativamente el tratamiento de la hiperpotasemia moderada a grave en el entorno de urgencias, aunque no mostró el mismo efecto en la hipopotasemia ni en los resultados clínicos a largo plazo.
Referencias:
- Nat Commun. - AI-enabled electrocardiogram alert for potassium imbalance treatment: a pragmatic randomized controlled trial
Julia Seller Moya
