La resonancia magnética nuclear (RMN) es una prueba que podría ser útil para valorar el riesgo de mortalidad en los pacientes con estenosis aórtica (EAo). Sin embargo, todavía no se sabe cuáles son los parámetros que podrían ser más útiles en la práctica clínica.
Los autores de este trabajo desarrollaron un modelo de machine learning para definir cuáles son los parámetros de la RMN más importantes en la valoración de los pacientes con EAo. El trabajo es un estudio internacional en el que se incluyeron los pacientes con EAo grave tratados con recambio valvular (quirúrgico o con TAVI) en 13 centros. En estos pacientes se realizó una RMN cardiaca poco antes del tratamiento de la lesión valvular. Se construyó un modelo de supervivencia con un algoritmo de machine learning del tipo random forest usando 29 variables, incluyendo 13 parámetros de la RMN, para analizar el riesgo de mortalidad. El algoritmo se desarrolló en una primera cohorte “de derivación” de 440 pacientes y se evalúo en una segunda cohorte “de validación” con otros 359 pacientes.
Finalmente, tras un seguimiento promedio de 3.8 años hubo 52 muertes en la cohorte de derivación y 51 muertes en la cohorte de validación. Las cuatro variables de la RMN con mayor capacidad para predecir el riesgo de fallecimiento fueron la fracción de volumen extracelular, el realce tardío de gadolinio, el volumen telediastólico indexado del ventrículo izquierdo y la fracción de eyección del ventrículo derecho. La mortalidad aumentó de forma importante en pacientes con una fracción de volumen extracelular > 27% o una masa con realce tardío de gadolinio > 2%. También se observó un aumento de la mortalidad en pacientes con ventrículos izquierdos muy grandes o muy pequeños (volumen telediastólico > 80 ml/m2 o ≤ 80 ml/m2) o con fracción de eyección del ventrículo derecho muy alta (> 80%) o deprimida (≤ 50%). La evaluación global del riesgo de los pacientes mejoró cuando se emplearon estos nuevos marcadores.
Los datos sugieren que la fibrosis miocárdica y los marcadores de remodelado ventricular en RMN cardiaca son parámetros que predicen la supervivencia en pacientes con EAo y, por tanto, podrían tener utilidad para ayudar a decidir el mejor momento de tratar la lesión valvular.
Comentario
La estenosis aórtica degenerativa es uno de los problemas frecuentes en nuestras consultas de cardiología. Afecta a un 3% de los mayores de 65 años y se sabe que el número de casos graves va a aumentar de forma importante debido al envejecimiento de la población.
En el momento actual, el manejo de los pacientes está basado en el seguimiento estrecho para detectar: 1) cuando la estenosis aórtica es grave en el ecocardiograma; 2) si el paciente desarrolla síntomas o 3) si aparece disfunción ventricular para tomar la decisión de indicar el recambio valvular con cirugía o con TAVI. Sin embargo, ni la valoración clínica de los pacientes es siempre sencilla, ni estos datos de imagen permiten predecir de forma precisa la evolución de los pacientes tras el recambio valvular. Por esta razón existe mucho interés en la utilidad de la valoración de la fibrosis miocárdica como un marcador precoz y objetivo del daño miocárdico producido por la lesión valvular que podría ser muy útil para guiar el manejo de los pacientes.
En este trabajo, los resultados de un algoritmo complejo de machine learning sugieren que tanto la fibrosis focal (realce tardío de gadolinio > 2%) como la fibrosis difusa (fracción de volumen extracelular > 27%) se asocian de manera clara con la evolución de los pacientes tras el recambio valvular incluso en pacientes asintomáticos y por tanto apoyan la idea de que la fibrosis miocárdica es un marcador precoz de daño cardiaco que podría ser útil en la valoración de los pacientes. Por otra parte, los datos asociados a remodelado patológico del ventrículo izquierdo y del ventrículo derecho también se asocian a un aumento de la mortalidad. Llama mucho la atención que el algoritmo haya “elegido” como el principal marcador de remodelado del ventrículo izquierdo el volumen telediastólico indexado por encima de variables más clásicas como la fracción de eyección o la masa ventricular.
En el editorial que acompaña al artículo, el autor nos explica que la búsqueda de parámetros que permitan predecir qué pacientes con estenosis aórtica grave se benefician de recambio valvular precoz es un tema de investigación muy activo y que hay dos trabajos prospectivos aleatorizados, EVOLVED (Early Valve Replacement Guided by Biomarkers of LV Decompensation in Asymptomatic Patients With Severe AS) y EARLY-TAVR (Evaluation of Transcatheter Aortic Valve Replacement Compared to Surveillance for Patients With Asymptomatic Severe Aortic Stenosis) sobre este tema, así que en el futuro próximo tendremos novedades.
Referencia
Markers of myocardial damage predict mortality in patients with aortic stenosis
- Soongu Kwak, Russell J. Everett, Thomas A. Treibel, Seokhun Yang, Doyeon Hwang, Taehoon Ko, Michelle C. Williams, Rong Bing, Trisha Singh, Shruti Joshi, Heesun Lee, Whal Lee, Yong-Jin Kim, Calvin W.L. Chin, Miho Fukui, Tarique Al Musa, Marzia Rigolli, Anvesha Singh, Lionel Tastet, Laura E. Dobson, Sephanie Wiesemann, Vanessa M. Ferreira, Gabriella Captur, Sahmin Lee, Jeanette Schulz-Menger, Erik B. Schelbert, Marie-Annick Clavel, Sung-Ji Park, Tobias Rheude, Martin Hadamitzky, Bernhard L. Gerber, David E. Newby, Saul G. Myerson, Phillipe Pibarot, João L. Cavalcante, Gerry P. McCann, John P. Greenwood, James C. Moon, Marc R. Dweck, Seung-Pyo Lee.
- J Am Coll Cardiol. 2021 Aug, 78 (6) 545-558.
