Derivación y validación de una puntuación impulsada por aprendizaje automático para predecir el rendimiento diagnóstico de la biopsia endomiocárdica

Por qué esto importa para las personas con insuficiencia cardiaca

Cuando los médicos no logran averiguar por qué una persona tiene insuficiencia cardiaca, a veces extraen pequeños fragmentos de tejido cardíaco mediante un procedimiento llamado biopsia. Esta prueba puede revelar enfermedades ocultas que requieren un tratamiento específico, pero es invasiva, conlleva ciertos riesgos y a menudo no ofrece una respuesta clara. Este estudio planteó una pregunta simple y centrada en el paciente: ¿se pueden combinar datos de pruebas por imagen y análisis de sangre en una puntuación inteligente que indique a los médicos de antemano si una biopsia cardíaca probablemente será realmente útil?

Una mirada más detallada a una prueba cardíaca arriesgada

La biopsia endomiocárdica, en la que se introduce una pequeña herramienta a través de una vena hasta el corazón para tomar muestras de tejido, ha sido durante mucho tiempo el paso final cuando la causa de la insuficiencia cardiaca sigue siendo un misterio. Sin embargo, en la práctica habitual, la mayoría de estas biopsias no identifican una enfermedad específica. En este estudio, los investigadores examinaron a 775 personas con insuficiencia cardiaca de causa desconocida tratadas en un hospital sueco. Todas se sometieron a una biopsia como parte de la evaluación. Solo alrededor de una de cada cinco biopsias (19,9%) aportó un diagnóstico definitivo, con mayor frecuencia una enfermedad por depósito de proteínas llamada amiloidosis cardíaca. Un segundo grupo independiente de 171 pacientes de un hospital italiano se usó posteriormente para probar la fiabilidad de los hallazgos.

Convertir imágenes y análisis de sangre en una puntuación predictiva

El equipo reunió una amplia gama de información que se recoge de forma rutinaria antes de la biopsia: ecocardiograma, resonancia magnética cardíaca, presión arterial, función renal, registros de ritmo cardíaco y marcadores sanguíneos de tensión cardíaca. Luego compararon varios métodos de aprendizaje por ordenador para ver cuál podía distinguir mejor a los pacientes cuya biopsia sería diagnóstica de aquellos cuya biopsia sería inconclusa. Un método llamado random forests (bosques aleatorios) fue el que mejor rendimiento tuvo. A partir de él, los investigadores destilaron una puntuación simple de 0–100 basada en solo nueve factores, con especial peso para los patrones similares a cicatriz en la resonancia y dos medidas sanguíneas: una hormona de insuficiencia cardiaca (NT-proBNP) y la tasa de filtración renal.

Lo que revela la resonancia cardíaca

La característica de la RM que más importó fue la "realce tardío de gadolinio"—áreas brillantes que señalan tejido cardíaco enfermo—especialmente cuando se observaba en el lado derecho del corazón, en las paredes inferior y lateral del ventrículo principal y en las cámaras superiores. Las personas con estos patrones, junto con niveles altos de NT-proBNP y peor función renal, tenían muchas más probabilidades de obtener una biopsia que revelara una enfermedad específica. En contraste, las áreas brillantes limitadas a la pared anterior del corazón se asociaron con una menor probabilidad de una biopsia significativa. Cuando se probó la puntuación, distinguió muy bien las biopsias de alto rendimiento frente a las de bajo rendimiento: la medida de precisión, llamada área bajo la curva, fue de aproximadamente 0,9 tanto en el grupo original como en el grupo externo, lo que se considera excelente.

Ayudar a decidir quién realmente necesita una biopsia

Para hacer la puntuación útil en la cabecera del paciente, los autores examinaron cómo funcionarían diferentes valores de corte. Una puntuación de 60 o más identificó a un grupo más pequeño de pacientes en los que la probabilidad de una biopsia diagnóstica era muy alta, con casi ninguna falsa alarma en ambos hospitales. Este umbral favorece el "confirmar" (rule in) a las personas para biopsia cuando la rentabilidad es mayor, lo cual es importante porque las biopsias son procedimientos invasivos. La puntuación fue especialmente buena para detectar la amiloidosis cardíaca, una condición que a menudo muestra cambios generalizados en la RM y pruebas sanguíneas notablemente anormales. Incluso cuando se eliminaron los casos de amiloidosis, la puntuación siguió aportando un beneficio neto frente a biopsiar a todos o a nadie, en particular para las personas con otras sospechas de enfermedades cardíacas infiltrativas o inflamatorias.

Qué significa esto para pacientes y médicos

Para las personas que viven con una insuficiencia cardiaca enigmática, este trabajo ofrece una forma de tomar decisiones difíciles sobre la biopsia con más base de evidencia y menos dependencia del criterio individual. Al combinar patrones de las resonancias y pruebas sanguíneas comunes en una escala clara de 0–100, la puntuación ayuda a identificar quién es más probable que se beneficie de la toma de tejido cardíaco y quién probablemente pueda evitar los riesgos y el estrés. Los autores enfatizan que la puntuación no debe reemplazar el juicio clínico ni las pruebas no invasivas más recientes, sino actuar como una ayuda para la decisión en casos límite. En la práctica diaria, una herramienta así podría reducir procedimientos innecesarios, centrar las biopsias donde son más informativas y, en última instancia, acelerar el camino hacia el diagnóstico y el tratamiento adecuados para pacientes con insuficiencia cardiaca inexplicada.

Cita: Basile, C., Polte, C.L., Gentile, P. et al. Derivation and validation of a machine learning-driven score to predict the diagnostic yield of endomyocardial biopsy. npj Digit. Med. 9, 228 (2026). https://doi.org/10.1038/s41746-026-02421-y

Palabras clave: insuficiencia cardiaca, biopsia cardíaca, resonancia magnética cardíaca, aprendizaje automático, amiloidosis cardíaca