Los cambios estructurales y la cuantificación de la fibrosis miocárdica mediante técnicas de imagen cardiaca han cobrado progresivamente importancia por su valor predictor de eventos cardiovasculares (CV) en pacientes con prolapso valvular mitral (PVM). En este entorno, se ha tratado de estudiar si un enfoque no supervisado que utilice el aprendizaje automático puede mejorar la estratificación pronóstica.
El estudio utilizó el aprendizaje automático para mejorar la evaluación del riesgo de los pacientes con PVM mediante la identificación de distintos fenotipos ecocardiográficos y su respectiva asociación con la fibrosis miocárdica y el pronóstico. Se construyeron grupos usando variables ecocardiográficas en una cohorte bicéntrica de pacientes con PVM (n = 429 pacientes, 54 ± 15 años) y posteriormente se estudió su asociación con la presencia de fibrosis miocárdica evaluada por resonancia magnética cardiaca (RMC) y el desarrollo de eventos cardiovasculares (CV).
Los autores describen insuficiencia mitral (IM) grave en 195 (45%) de los pacientes. Se identificaron cuatro grupos: en el grupo 1 no se observó remodelado con una IM principalmente leve; el grupo 2 era un grupo descrito como “de transición”; el grupo 3 incluía un remodelado significativo del ventrículo izquierdo (VI) y la aurícula izquierda (AI) con IM grave; el grupo 4 incluía remodelado de cavidades con una caída del strain sistólico de VI. Los grupos 3 y 4 presentaron más fibrosis miocárdica que los grupos 1 y 2 (p < 0,0001) y se asociaron con tasas más altas de eventos CV. El análisis por grupos mejoró significativamente la precisión del diagnóstico con respecto al análisis convencional. El árbol de decisión identificó la gravedad de la IM junto con el strain de VI < 21% y el volumen indexado de la AI > 42 ml/m2 como las 3 variables más relevantes para clasificar correctamente a los participantes en uno de los perfiles ecocardiográficos.
Los autores destacan como conclusiones que este agrupamiento por fenotipo permitió la clasificación de los pacientes en 4 grupos con distintos perfiles ecocardiográficos de remodelado de VI y aurícula izquierda asociados con fibrosis miocárdica y distintos resultados clínicos. Sugieren que un algoritmo simple basado en 3 variables clave (gravedad de la IM, strain del VI y volumen indexado de la AI) puede ayudar a la estratificación del riesgo y la toma de decisiones en pacientes con PVM.
Comentario
El PVM es un hallazgo habitual en ecocardiografía con un curso generalmente benigno hasta que su progresión condicione una IM significativa. Se han identificado varios parámetros a modo de biomarcadores de imagen que parecen contribuir en la predicción de eventos CV y la optimización del momento quirúrgico. La sobrecarga crónica de volumen conduce a un remodelado progresivo del VI con una expansión de la matriz extracelular y desarrollo de fibrosis miocárdica.
Comentábamos en este blog a principios de 2016 los resultados publicados en Circulation por el grupo de Basso C. y colaboradores, en el que concluían que el PVM es una causa infraestimada de muerte súbita de origen arrítmico, principalmente en mujeres jóvenes. La fibrosis de los músculos papilares y pared inferobasal de VI, que sugiere afectación miocárdica asociada, parece ser la marca estructural y se correlaciona con el desarrollo de arritmias ventriculares. Desde la publicación de estos resultados, la RMC se ha convertido en técnica de referencia para ahondar en la estratificación pronóstica de estos pacientes y tratar de identificar este sustrato arrítmico.
Los autores proponen que un enfoque no supervisado que utilice el aprendizaje automático puede ayudar a subdividir a los pacientes con distintos fenotipos agrupándolos en fenotipos homogéneos. Establecen estos grupos en base a dos hipótesis: 1) el análisis de grupos puede identificar subgrupos relevantes basados en parámetros ecocardiográficos; y 2) dichos fenotipos ecocardiográficos se asocian con diferentes niveles de fibrosis y eventos CV a largo plazo.
Los pacientes fueron reclutados a partir de la cohorte de un estudio genético de Nantes (n = 277) y del estudio STAMP, de Nancy (n = 152), Francia. Todos los pacientes se sometieron a ecocardiografía y RMC para valoración de volúmenes ventriculares, FEVI y FEVD y detección de realce tardío con gadolinio. Se consideró además una cohorte adicional de 133 pacientes con PVM como grupo de validación. Se realizó seguimiento clínico de los síntomas (dolor torácico, palpitaciones, mareos o síncope) y estado funcional y se monitorizó con Holter 24 horas la presencia de extrasistolia ventricular. El objetivo principal fue un evento compuesto por muerte cardiaca, IC, FA de novo y evento embólico arterial, ya sea antes o después de la cirugía valvular. Para el enfoque de aprendizaje automático se realizó un agrupamiento en función de varios datos ecocardiográficos, que incluyeron entre otros distintos parámetros de gravedad de la IM, la disyunción del anillo mitral y los datos de repercusión de la IM sobre cavidades derechas.
El análisis identificó 4 grupos fenotípicos ecocardiográficos:
- Grupo 1 (n = 131): incluía principalmente pacientes con IM leve sin remodelado de cavidades izquierdas, FEVI conservada y strain de VI normal. Este grupo incluye a los pacientes más jóvenes con menos factores de riesgo CV y con una proporción más alta de pacientes con disyunción del anillo mitral.
- Grupo 2 (n = 104): pacientes con características ecocardiográficas intermedias entre el grupo 1 y los grupos 3 y 4. Presentan IM moderada y FEVI conservada pero remodelado leve de VI y AI.
- Grupo 3 (n = 120): incluyó predominantemente hombres con IM grave. Tienen los valores de strain más altos y FEVI conservada; aumento de la masa del VI, volúmenes del VI y AI elevados y PASP elevada, pero función normal del VD.
- Grupo 4 (n = 74): pacientes de edad promedio similar al grupo 3, con E/e’ más alta. La IM era grave y presentaban con mayor frecuencia flail de velos (84.3%), generalmente sin disyunción del anillo mitral (16.2%). El remodelado del VI y AI era similar al grupo 3, pero con valores más bajos de strain longitudinal del VI y gasto cardiaco y valores más altos de PSAP.
Tomando el grupo 1 como referencia, los grupos 2, 3 y 4 se asociaron con tasas más altas de fibrosis miocárdica (OR bruta: 3,55 [IC 95%: 1,87-6,74]; p = 0,0001 para el grupo 3 y OR bruta: 5,25 [IC 95%: 2,61-10,56]; p < 0,0001 para el grupo 4). Casi la mitad de los pacientes del grupo 4 tenían fibrosis miocárdica (n = 30 [44,1%]; p < 0,0001), y tras ajuste por edad y sexo el grupo 4 aún presenta una tasa de fibrosis miocárdica 4 veces mayor (OR ajustada: 4,24 [IC 95%: 1,86-9,63]; p = 0,0006) que el grupo 1. Durante un seguimiento medio de 2,1 ± 1,9 años, los eventos CV (n = 92) incluyeron 8 muertes CV (4 por TV, 3 por IC y 1 por endocarditis infecciosa); 49 pacientes empeoraron su estadio de IC (entre ellos 4 con arritmia supraventricular concomitante, 1 endocarditis, 1 ACV y 1 TV) y se identificaron además 26 casos de FA/TSV y 9 embolismos arteriales/ACV. Los grupos 3 y 4 se asociaron significativamente con tasas más altas de eventos CV (HR bruto: 5,34 [IC 95%: 2,25-12,69]; p = 0,0002 para el grupo 3 y HR bruto: 7,88 [IC 95%: 3,27-18,96]; p < 0,0001 para el grupo 4), y esta asociación se mantuvo significativa después de ajustar por edad y sexo (HR ajustada: 5,17 [IC 95%: 2,07-12,93]; p = 0,0004 en el grupo 3 y HR ajustada: 6,86 [IC 95%: 2,56-18,37]; p = 0,0001 en el grupo 4.
Los dos grupos con mayor riesgo de eventos CV mostraron perfiles ecocardiográficos más anormales con remodelado de VI y AI, sin (grupo 3) o con (grupo 4) disfunción longitudinal del VI. Estos dos grupos también presentaron una mayor carga de fibrosis miocárdica. Los hallazgos sugieren que un algoritmo basado en variables clásicas como la gravedad de la IM, el remodelado de la AI y la deformación de VI permite identificar perfiles individuales distintos con diferente riesgo de resultados. Cabe destacar que el grupo 4, que presentó resultados CV significativamente peores, se diferenció principalmente por una mayor afectación de la función sistólica, aunque se registraron eventos CV en hasta el 20% de los pacientes del grupo 2, que eran relativamente jóvenes y tenían inicialmente una IM moderada sin remodelado del VI.
Aún son necesarios predictores y modelos más robustos que nos permitan optimizar la estratificación de riesgo en el PVM. En este escenario, la inteligencia artificial parece que puede jugar un importante papel que contribuya a la mejor caracterización de estos pacientes.
Referencia
- Olivier Huttin, Nicolas Girerd, Antoine Jobbe-Duval, Anne-Laure Constant Dit Beaufils, Thomas Senage, Laura Filippetti, Caroline Cueff, Kevin Duarte, Antoine Fraix, Nicolas Piriou, Damien Mandry, Nathalie Pace, Solena Le Scouarnec, Romain Capoulade, Matthieu Echivard, Jean Marc Sellal, Marie Marrec, Marine Beaumont, Gabriella Hossu, Jean-Noel Trochu, Nicolas Sadoul, Pierre-Yves Marie, Charles Guenancia, Jean-Jacques Schott, Jean-Christian Roussel, Jean-Michel Serfaty,Christine Selton-Suty, Thierry Le Tourneau.
- JACC Cardiovasc Imaging. 2023 May 13:S1936-878X(23)00152-3. doi: 10.1016/j.jcmg.2023.03.009. Epub ahead of print. PMID: 37204382.
