Optimización terapia médica en insuficiencia cardíaca mediante inteligencia artificial: TURING-HF

Resumen del estudio

El estudio TURING-HF es un ensayo prospectivo, unicéntrico, de tres meses de duración, que evaluó el impacto de una intervención digital basada en inteligencia artificial (HF-AI) combinada con monitorización remota de pacientes (RPM) en la optimización de la terapia médica guiada por guías (GDMT) en pacientes con insuficiencia cardíaca con fracción de eyección reducida (HFrEF). Se incluyeron 50 pacientes, de los cuales 46 completaron el estudio. El software HF-AI proporcionó recomendaciones personalizadas sobre inicio, ajuste o suspensión de medicamentos, así como pruebas de laboratorio y seguimiento, basadas en datos clínicos y signos vitales domiciliarios.

Los resultados principales fueron los siguientes:

  • End-point primario: Aumento del 124.8% en la puntuación compuesta de GDMT en el grupo intervención a los tres meses (p < 0.0001), frente a un aumento del 20.9% en el grupo control (p < 0.001).
  • End-points secundarios: El 90.8% de las recomendaciones del software fueron aceptadas por los cardiólogos, y el 80% de los ajustes terapéuticos se realizaron sin necesidad de visitas presenciales. A los seis meses, se observó una reducción del 78.9% en el número de pacientes hospitalizados y del 73.9% en hospitalizaciones totales.

Comentario

La optimización de la terapia médica en insuficiencia cardíaca sigue siendo un reto clínico, especialmente en pacientes ambulatorios. El estudio TURING-HF aporta evidencia preliminar sobre el potencial de la inteligencia artificial como herramienta para superar la inercia terapéutica y mejorar la adherencia a las guías clínicas.

Puntos fuertes del estudio

  • Uso de un software clínico basado en algoritmos de decisión integrados con guías internacionales.
  • Alta tasa de aceptación de las recomendaciones por parte de los cardiólogos.
  • Optimización terapéutica lograda en su mayoría sin visitas presenciales.

Limitaciones principales

  • Diseño de un solo brazo sin grupo control aleatorizado.
  • Tamaño muestral reducido.
  • Seguimiento limitado a corto plazo.

A pesar de estas limitaciones, los resultados son alentadores y sugieren que plataformas digitales como HF-AI podrían representar una estrategia escalable para mejorar el manejo ambulatorio de la insuficiencia cardíaca. Se requieren estudios multicéntricos, aleatorizados y con mayor tamaño muestral para confirmar estos hallazgos y evaluar su impacto en eventos clínicos duros como mortalidad y hospitalización.

Referencias:

  1. JACC Heart Fail. - Optimizing Medical Therapy Using Remote Monitoring and Artificial Intelligence in Patients With Heart Failure: The TURING-HF Trial

 

Dra Laura Morán Fernández

Laura Morán Fernández

Licenciada en Medicina y Cirugía por la Universidad Autónoma De Madrid y especialista en Cardiología en el Hospital Ramon Y Cajal de Madrid. Fellowship en Insuficiencia Cardíaca, Hipertensión Pulmonar y Trasplante Cardíaco en Hospital 12 de Octubre. Acreditada como especialista en Insuficiencia Cardíaca por la ESC. Miembro de CIBERCV. Actualmente Cardióloga adjunta de hospitalización en Hospital 12 de octubre.

@LauraMoranFdez

Cuenta gratuitapara profesionales sanitarios

Únete a la comunidad CardioTeca

Ya somos más de 27.000 profesionales. Crear tu cuenta te lleva un par de minutos.

Ejemplo de página profesional en CardioTeca
  • Accede sin límites a todos los contenidos y servicios de CardioTeca.
  • Tu página profesional, con tu foto, tus servicios, currículum, web y pedir cita.
  • Medicamentos, guías interactivas y calculadoras para el día a día.
  • Recibe en tu mail casos clínicos, comentarios de expertos y todas las novedades.
Ejemplo de página profesional en CardioTeca