Es evidente que la fibrilación auricular (FA) “está de moda”, tanto en lo referente a su diagnóstico como en su abordaje terapéutico. Conjuntamente, hemos asistido a una significativa proliferación de tecnología de salud móvil en la ultima década, no siempre respaldada con una adecuada validación a través de estudios clínicos rigurosos. En el presente trabajo los autores analizan la fiabilidad para el diagnóstico de FA de una tecnología fácilmente disponible en la muñeca de un número creciente de la población.
Recientemente comentábamos en este mismo blog el empleo de la mecanocardiografía y los sensores incorporados en los teléfonos inteligentes para el diagnóstico de FA (estudio MODE-AF https://secardiologia.es/arritmias/cientifico/blog-actualizaciones-bibliograficas/9394-deteccion-de-fa-por-mecanocardiografia-a-traves-del-movil-estudio-mode-af). En este trabajo de la Cleveland Clinic se decantan por el empleo conjunto de monitores Kardia Band conectados a un Apple Watch y emparejados vía bluetooth a un teléfono inteligente. El Kardia Band (KB) es un dispositivo novedoso, recientemente aprobado por la FDA, que permite registrar una tira de ritmo (equivalente a la derivación I del ECG) empleando un reloj inteligente de Apple, conjuntamente con una app en el smartphone responsable de la interpretación automática como FA o RS. Los autores se plantean si el dispositivo es capaz de diferenciar con precisión el ritmo sinusal de la FA, comparativamente con la interpretación médica del ECG de 12 derivaciones y del propio registro del KB obtenidos simultáneamente.
Para ello analizan prospectivamente a pacientes consecutivos que acudían para la realización de cardioversión (CV), en los que se realizaba un ECG pre-CV y un registro KB. Tras la CV se repetían ambos registros. Dichos registros (del ECG y del KB) eran posteriormente revisados por dos electrofisiólogos ciegos al diagnóstico (un tercero en caso de desacuerdo), y comparados con la interpretación del algoritmo, que mide la irregularidad del ritmo y la ausencia de onda P en tiempo real, clasificando en “FA posible”, “normal” (ritmos regulares con ondas P y frecuencia entre 50 y 100 lpm) o “no clasificado” (ritmos <50 o >100 lpm, grabación con mucho ruido o más corta de 30 segs)
Incluyen 100 pacientes, con edad media de 68 años, para obtener finalmente 169 registros simultáneos ECG y KB. 57 fueron no interpretables por el KB. En comparación con el ECG, KB fue capaz de detectar la FA con un 93% de sensibilidad, 84% especificidad y un coeficiente kappa 0,77 (la interpretación médica de los registros KB arrojó un 99% sensibilidad, 83% especificidad y un coeficiente kappa 0,83). En los 57 registros no interpretables para el KB (40% correspondían a FA y 60% a RS), el electrofisiólogo diagnóstico FA con una sensibilidad del 100%, especificidad del 80% y coeficiente kappa de 0,74. En los 113 casos con registros interpretables tanto para KB como para el médico, la concordancia fue excelente (coeficiente k 0,88)
Los autores concluyen que el algoritmo KB puede diferenciar adecuadamente FA de RS (aunque remarcan en las conclusiones que “apoyado por la revisión médica”), y que podría ser útil en la selección de pacientes previa a CV electiva, evitando procedimientos innecesarios.
Llama la atención el elevado número de registros no clasificados por el algoritmo (1 de cada 3), por diferentes motivos pero la mayoría de ellos (32%) sin una razón clara. Los autores evalúan específicamente este punto valorando la rentabilidad que esos trazados podrían tener al ser interpretados por electrofisiólogos como se ha referido previamente, encontrando una sensibilidad del 100% en los registros de FA. Otras limitaciones reseñables son el hecho de ser un estudio unicéntrico con una muestra pequeña, con el sesgo de haber incluido sólo pacientes con historia conocida de FA y una carga suficiente como para haber sido programados para CV eléctrica (y por tanto, no sabemos qué tal podría desempeñar el sistema KB en una población menos seleccionada y con menor carga de FA). Los registros se obtuvieron en el propio hospital, con el paciente sentado y tras instruirle en su adecuada realización. Por tanto, la calidad de los registros podría ser significativamente menor en pacientes ambulatorios (si bien, lo contrario también es cierto: alguno de los registros no clasificados podrían haberse evitado con un mayor entrenamiento del paciente en el uso adecuado del dispositivo KB). Esta última limitación puede haber sido ya superada, dado que el prototipo de KB empleado en el estudio no mostraba un registro ECG en tiempo real en la pantalla del reloj en el momento de la grabación. Desde la aprobación por la FDA, la app ahora permite mostrar esta información, lo que probablemente mejorará la calidad de los registros al poder visualizar el ECG en tiempo real durante su grabación.
Si bien la evidencia nos ha mostrado una y otra vez que, en el caso de la FA, cuanto más se busca más se encuentra, una de las preocupaciones asociadas a todo este nuevo grupo de dispositivos para la detección de arritmias cardiacas es la falta de validación externa de muchos de ellos, con sensibilidades y especificidades no probadas, que pueden dar tanto una falsa sensación de tranquilidad y ausencia de tratamiento necesario en caso de diagnósticos falsos negativos, así como un sobreuso de recursos sanitarios y pruebas diagnósticas en caso de falsos positivos. Así pues, estamos ante los primeros pasos de una tecnología que está aquí para quedarse, y está en nuestras manos el implicarnos activamente en ella para potenciar su utilidad clínica y mejorar su eficiencia.
Automated Atrial Fibrillation Detection Algorithm Using Smartwatch Technology
J Bumgarneret al. Journal of the American College of Cardiology (2018), published ahead of print doi: 10.1016/j.jacc.2018.03.003
