Medición de la orejuela izquierda para procedimientos intervencionistas en pacientes con fibrilación auricular mediante ecocardiografía 3D con transiluminación en tiempo real combinada con inteligencia artificial

Este estudio exploró el potencial de dos tecnologías innovadoras para mejorar la evaluación de la orejuela auricular izquierda (OI) en ecocardiogramas transesofágicos (ETE) de pacientes con fibrilación auricular (FA): la transiluminación (TrueVue Glass®) más el software de medición automatizada de la OI en ETE 3D asistido por inteligencia artificial (3D Auto LAA). Se planteó si estas herramientas podrían superar las limitaciones de los métodos convencionales para la visualización y medición, más precisas y eficientes, de la OI, abriendo nuevas perspectivas en la planificación de su cierre para el manejo de la FA mediante ETE e inteligencia artificial (IA) en procedimientos de cardiología intervencionista.

---

---

Antecedentes

La fibrilación auricular (FA) afecta al 2-4% de los adultos españoles, está presente en 4,4% de los mayores de 40 años, incrementándose a partir de los 60 años de edad. Su prevalencia en quienes superan los 80 años es del 17,7% ^(1,2). Una de sus complicaciones potencialmente más graves es el ictus isquémico que representa cerca del 25% de todos los ictus ⁽³⁾.

Pese al uso efectivo de la anticoagulación en los pacientes con FA una pequeña proporción cursa con complicaciones tromboembólicas y hemorrágicas. El Estudio de Factores de riesgo de eventos tromboembólicos y hemorrágicos en pacientes anticoagulados con FA (PREFER) mostró en sujetos con puntuación media de la escala CHA2DS2-VASc de 3,5 ± 1,7 una incidencia de eventos tromboembólicos y hemorrágicos mayores de 2,34% y 2,84%, respectivamente, al año de seguimiento ⁽⁴⁾.

---

Dispositivos de cierre de la orejuela auricular izquierda

El cierre de la OI con dispositivos para reducir el riesgo embólico causante de accidente cerebrovascular isquémico ha crecido en sujetos con FA no valvular con expectativa de vida adecuada y contraindicaciones para usar anticoagulantes, ya sea por riesgo de hemorragia o por problemas de adherencia al tratamiento, entendiendo que su selección requiere individualización ^(5,6).

En cuanto a la evidencia sobre su uso, el estudio PRAGUE-17 valoró el cierre con dispositivos versus el uso de anticoagulantes orales de acción directa en 415 sujetos con FA e indicación de anticoagulación a largo plazo demostrando que los dispositivos no son inferiores a la anticoagulación oral en términos de eficacia, presentando un perfil de seguridad favorable, especialmente en pacientes con alto riesgo de sangrado ⁽⁷⁾.

La Sociedad Europea de Cardiología y la Asociación Europea de Cirugía Cardiotorácica en 2020 otorgaron al cierre de OI una recomendación clase IIB y un nivel de evidencia B para el tratamiento de la FA bajo las condiciones antes descritas ⁽⁸⁾.

---

Evaluación con imágenes de la OI previas a su cierre

La imagen cardiovascular es absolutamente necesaria antes, durante y después del cierre de OI. La anatomía variable de la OI lleva a que la colocación exitosa de dispositivos dependa de su acertada evaluación preoperatoria en términos de morfología, tamaño y estado fisiológico ⁽⁹⁾. La OI está rodeada de estructuras anatómicas críticas como: las arterias coronarias descendente anterior y circunfleja, la gran vena cardíaca, el nervio frénico izquierdo (especialmente vulnerable al implantar dispositivos que requieran acceso epicárdico) ⁽¹⁰⁾, lo que hace imprescindible la precisión milimétrica en el dimensionamiento de los dispositivos utilizados en esta área y cautela en la técnica de oclusión.

La valoración de la morfología de la OI se realiza en la actualidad con ecocardiografía transesofágica (ETE), bidimensional (2D) y tridimensional (3D), así como tomografía cardíaca (TC). El ETE se mantiene como el método de referencia principal para la evaluación preoperatoria de las dimensiones y morfología de la OI, no obstante, la TC proporciona una evaluación precisa de su geometría y de sus medidas debido a su resolución más alta por lo que se ha propuesto como patrón de oro para la planificación preoperatoria del cierre de OI, pero los elevados costos de la técnica y la ausencia de un protocolo estandarizado para su adquisición e interpretación la hacen una técnica infrautilizada para ello ⁽¹⁰⁾.

 

Ventajas y desventajas de las principales modalidades de imagen cardíaca para la evaluación preoperatoria del cierre de la OI

Las modalidades de imagen cardíaca mencionadas cuentan con las siguientes ventajas y desventajas en el análisis previo al cierre de OI:

---

Tabla 1. Ventajas y desventajas del ETE, bidimensional (2D) y tridimensional (3D), así como la TC en la valoración pre implante de un dispositivo de cierre de OI^(11,12).

---

 

Consideraciones para la evaluación mediante imágenes de la OI previo a su cierre percutáneo

Los siguientes son criterios de aptitud de la OI para su cierre por técnicas de imagen:

1. Ausencia de trombo en la OI ^(5,6)
2. Ausencia de anatomías de OI muy complejas o con aneurismas, de modo que permita el anclaje seguro y cierre adecuado del dispositivo ^(5,9).
3. Profundidad y longitud del lóbulo dominante de la OI adecuadas según el fabricante ^(9,13).
4. Diámetro del ostium y LZ dentro del rango recomendado para el tamaño del dispositivo (generalmente con una sobredimensión de 3-6 mm respecto al diámetro máximo medido por TC) ^(9,13).

En la figura 1 apreciamos el sitio en la OI de ubicación de la zona de aterrizaje (LZ) del oclusor y la medida de la longitud de su lóbulo principal.

---

Figura 1. OI y su ostium abriéndose a la aurícula ipsilateral. Se muestran las líneas de medición del diámetro de la zona de aterrizaje (LZ) en relación con la arteria circunfleja, y la proyección de la línea sobre la cual medir la longitud del su lóbulo principal. VPSI: Vena pulmonar superior izquierda, VPII: vena pulmonar inferior izquierda. Fuente: autoría propia.

---

---

Transiluminación en ecocardiografía transesofágica 3D

La ecocardiografía 3D con transiluminación es una técnica de imagen cardíaca que utiliza una fuente de luz virtual móvil para un renderizado (proceso de convertir datos brutos en una imagen tridimensional que se puede visualizar en una pantalla de ordenador⁽¹⁴⁾) mejorado destinado a la visualización y caracterización de la superficie tridimensional de las estructuras cardíacas otorgándoles mayor impresión de realismo. Con la transiluminación se crean diferentes colores de fondo y matices de sombra mejorando el contraste entre las estructuras, la percepción de profundidad y los detalles anatómicos ⁽¹⁵⁾. El software de transiluminación usado en este estudio es el TrueVue Light®.

La transparencia es una característica que se puede agregar a las imágenes generadas por transiluminación para optimizar la visualización e interpretación de las estructuras anatómicas representando sus contornos aportando una claridad mejorada en las estructuras más delgadas tanto cardíacas como extra cardíacas ⁽¹⁶⁾. El software usado en este estudio fue el TrueVue Glass®.

 

Casos de uso actual de la transiluminación

Algunas características anatómicas que se pueden resaltar con transiluminación incluyen el área y los bordes de orificios, la delimitación de valvas, los detalles estructurales de la enfermedad valvular y el mecanismo de la regurgitación residual ⁽¹⁵⁾.

La transiluminación se utiliza para mejorar la precisión diagnóstica y la planificación terapéutica para: análisis de la OI, evaluación de defectos septales ventriculares, de fugas para valvulares y tumores cardíacos.

Aunque la transiluminación se ha utilizado principalmente en ETE también tiene utilidad en ecocardiografía transtorácica.

 

Importancia de la visualización no invasiva, libre de radiación, del contorno externo de la OI en pacientes con FA

Entre sus beneficios se encuentran:

1. Seguridad mejorada reduciendo la exposición a radiación ionizante de pacientes y personal sanitario.
2. Planificación más precisa al evaluar la morfología variable de la OI facilitando la selección adecuada del dispositivo.
3. Reducción de complicaciones como el riesgo de perforación o mal posicionamiento del dispositivo previniendo embolismos.
4. Optimización de recursos: Ofrece un método más rápido y potencialmente más económico que los métodos con radiación.

---

Papel de la Inteligencia Artificial en ETE vinculada al cierre de OI

La integración de la inteligencia artificial (IA) a la ETE ha emergido como un campo prometedor para el diagnóstico y manejo de las enfermedades cardiovasculares ⁽¹⁷⁾.

Las redes neuronales convolucionales (CNN) son efectivas en el análisis de imágenes médicas, incluyendo las ecocardiográficas ^(18–20).

Las CNN pueden procesar directamente las imágenes ecocardiográficas extrayendo automáticamente características relevantes, desde bordes y texturas simples hasta estructuras cardíacas complejas. Esto permite a las CNN realizar tareas como la clasificación de vistas ecocardiográficas, la segmentación de estructuras cardíacas y la detección de anomalías con alta precisión ^(18,21).

El aprendizaje profundo es una rama avanzada del aprendizaje automático que utiliza redes neuronales artificiales con múltiples capas (de ahí el término “profundo“). En ecocardiografía el aprendizaje profundo permite que los sistemas aprendan directamente de grandes conjuntos de imágenes sin necesidad de que un experto defina manualmente las características a analizar. Esto contrasta con los métodos tradicionales de análisis de imágenes que requieren una extracción manual de características basada en el conocimiento previo ^(17,22).

La principal ventaja de estas técnicas para un ecocardiografista es su capacidad para automatizar y mejorar tareas complejas de interpretación de imágenes. Esto puede aumentar la eficiencia y reproducibilidad de los estudios ecocardiográficos, dejando al cardiólogo un papel central en la interpretación final y la toma de decisiones clínicas ⁽²⁰⁾.

 

Aplicaciones de la IA en ETE

La IA promete minimizar la variación intra e interobservador en la interpretación de los ETE, proporcionar medidas reproducibles, y acercarnos a un diagnóstico más preciso ⁽²²⁾. Entre sus utilidades se piensa que podríamos lograr:

1. Mejora en la adquisición y análisis de imágenes ⁽¹⁸⁾
2. Reconstrucción y visualización mejorada de la anatomía cardíaca.
3. Fusión de imágenes e integración de datos con otras modalidades de imagen ⁽¹¹⁾
4. Planificación y guía de intervenciones percutáneas ⁽²²⁾:
   • Optimización de la selección de dispositivos y estrategias de implantación
   • Asistencia en tiempo real.
5. Identificación automática de anomalías y patrones patológicos:
   • Detección automática de trombos en la OI ⁽²³⁾
   • Detección y cuantificación de patologías valvulares ⁽²⁰⁾
   • diagnóstico de endocarditis infecciosa
   • evaluación de cardiopatías congénitas
   • evaluación de la aorta.
6. Seguimiento y evaluación post procedimiento:
   • Detección automática de fugas periprotésicas tras el cierre de OI ⁽²⁴⁾.
7. Apoyo en la toma de decisiones clínicas: para guiar el diagnóstico, el tratamiento, predecir resultados y estratificar riesgos: Ejemplo: selección de pacientes candidatos al cierre ⁽¹⁷⁾.

 

Uso de nuevas tecnologías que asistirían a la ecocardiografía en el cierre de la OI

La ETE y la TC tienen limitaciones en la visualización y medición de la OI. La introducción de tecnologías avanzadas, como la transiluminación 3D y la medición automatizada asistida por IA no habían sido probadas hasta ahora para facilitar los procedimientos de cierre de OI. Su uso conjunto promete mejorar la precisión y eficiencia en la evaluación de su morfología y tamaño para seleccionar el dispositivo de cierre adecuado y planificar el procedimiento.

---

Resumen del trabajo elegido

Se trata de un innovador estudio que presenta la utilidad en cardiología intervencionista de la ETE 3D más transiluminación y software de medición automatizada asistida por IA en ETE para evaluar la OI previo a su cierre en pacientes con FA.

---

Objetivos

El estudio persigue investigar la viabilidad y precisión de la imagen transiluminada en 3D de la OI y su medición automática asistida por IA en la evaluación preoperatoria de su cierre en pacientes con FA.

---

Metodología

Diseño

Consistió en un estudio observacional de cohorte prospectiva en el cual se incluyeron 37 pacientes con FA  propuestos para someterse a cierre de OI, seguidos durante el pre y postoperatorio, para evaluar la eficacia y precisión de las tecnologías de imagen ecocardiográfica 3D en tiempo real con transiluminación y transparencia (TrueVue Glass®) y la medición automática asistida por inteligencia artificial (3D auto LAA) en la evaluación de la OI mediante su rastreo endotelial en imágenes de ETE que identifica automáticamente el ostium de la OI y aporta medidas de referencia para el cierre.

 

Selección de Pacientes

Los criterios de inclusión abarcaban a pacientes con FA con puntaje CHA2DS2-VASc ≥ 2 y con al menos una de las siguientes condiciones específicas: no ser aptos para anticoagulación a largo plazo, haber sufrido un accidente cerebrovascular a pesar de la anticoagulación, tener un puntaje de riesgo de sangrado (HAS-BLED) ≥ 3 o necesitar terapia combinada con fármacos antiplaquetarios. Por otro lado, se excluyeron quienes tuvieran contraindicaciones para la ETE, sospecha o presencia de trombos en la OI, anomalías cardíacas severas que requieran cirugía, clase funcional IV de la NYHA y/o sangrado activo reciente.

 

Fases del Estudio

Fase 1: Evaluación previa a la oclusión del apéndice auricular

Durante la evaluación previa al cierre los pacientes fueron evaluados mediante ETE 2D y 3D en tiempo real, incluyendo en este último caso el modo de visión TrueVue Glass® y la medición automática 3D de la orejuela auricular izquierda, así como a la realización de una Tomografía computarizada cardíaca (TC) con evaluación de la morfología de la OI mediante reconstrucción 3D.

Diez de estos sujetos se utilizaron posteriormente para hacer un análisis de reproducibilidad de las mediciones y tiempo de realización.

En relación a las medidas realizadas sobre la OI en la zona de aterrizaje del oclusor entre los diferentes métodos se compararon las obtenidas para:

• Diámetro máximo (LZ máx)
• Diámetro mínimo (LZ mín)
• Área (LZ área)
• Circunferencia (LZ cir)

En todos se midió de forma manual, en ETE 3D se midió además usando el software automático de medición asistido por IA.

Fase 2: Procedimiento de cierre de OI

Estas medidas fueron empleadas para seleccionar el oclusor a emplear en el cierre de OI. El seguimiento postoperatorio se hizo por ETE a los 45 días, 3 meses y 6 meses. El análisis estadístico empleó pruebas de normalidad, comparaciones pareadas, análisis de correlación y concordancia, además de la evaluación de variabilidad intra e interobservador.

Fase 3: Seguimiento postoperatorio

Se realizó un seguimiento postoperatorio con ETE a los 45 días, 3 meses y 6 meses después del cierre de OI.
El siguiente esquema simplifica el flujo de trabajo seguido:

---

Figura 2. Metodología del estudio. Los 35 pacientes que cumplieron los criterios de inclusión y carecían de los de exclusión pasaron a ser evaluados por los métodos de imágenes: TC y ETE (2D y 3D). Los ETE 3D se valoraron adicionalmente con software diseñado para facilitar la medición automática de parámetros anatómicos de la OI y algunos con software de transiluminación. Todos fueron llevados al cierre de OI y seguidos al mes y medio, tres y 6 meses. Diez pacientes se usaron posteriormente para el análisis de reproducibilidad. Fuente: autoría propia.

---

 

Análisis de datos

Se compararon los distintos métodos de medición evaluando la correlación y consistencia entre la tecnología asistida por IA diseñada para facilitar la medición automática de parámetros anatómicos de la OI y otros métodos, analizando el tiempo requerido para cada método.

Se realizó una evaluación de la reproducibilidad intra e interobservador repitiendo las mediciones en un subconjunto de 10 pacientes seleccionados al azar un mes después.

Se evaluó la precisión de las imágenes de ETE 3D, así como la reproducibilidad de la medición de la OI asistida por IA.

Se comparó la forma externa de OI con TrueVue Glass® y TC, comparando ambos métodos mediante análisis de concordancia. Con ellos se hizo una tipificación de las orejuelas (ala de pollo, manga de viento, coliflor o cactus).

El análisis estadístico incluyó pruebas de normalidad, comparaciones pareadas, análisis de correlación y concordancia, así como evaluación de variabilidad intra e interobservador.

 

Evaluación final

Finalmente se hizo una evaluación de la eficacia de TrueVue Glass® y la tecnología de IA diseñada para facilitar la medición automática de parámetros anatómicos de la OI analizando las implicaciones que podrían tener para la práctica clínica en el cierre de OI.

---

Resultados

En relación a la visualización de la OI, la tecnología TrueVue Glass permitió una visualización no invasiva y sin radiación del contorno externo general de la OI y sus estructuras adyacentes. La tasa de concordancia en la determinación de la forma externa de la OI entre TrueVue Glass® y la TC fue del 97.14%.

La clasificación morfológica de la OI arrojó resultados similares entre la tecnología y la TC con una ligera variación en la clasificación de un caso.

Al evaluar las mediciones de la OI se observó que el software de medición automática 3D asistido por IA mostró una fuerte correlación y alta consistencia con las mediciones manuales realizadas sobre la imagen 3D en todos los parámetros, especialmente para el área y la circunferencia de la LZ.

La tecnología de IA diseñada para facilitar la medición automática de parámetros anatómicos de la OI mostró una mayor reproducibilidad intra e interobservador en comparación con otros métodos.

Sobre el tiempo de análisis se observó que la tecnología de IA diseñada para facilitar la medición automática de parámetros anatómicos de la OI permitió un análisis más rápido (85.96 ± 0.42 s) en comparación con otros métodos. Los valores obtenidos se observan en la tabla 2.

---

Tabla 2. Tiempo del análisis en segundos entre las medidas obtenidas por IA vs. los otros métodos de imágenes. Fuente: Elaboración propia.

---

Resultados del procedimiento de cierre: En el seguimiento a los 45 días del cierre de OI, se encontraron fugas residuales en 6 casos (17.14%), todas menores de 5 mm. A los 3 meses, todas las fugas residuales habían desaparecido. No se reportaron eventos adversos graves durante el seguimiento de 6 meses.

Los autores señalan como ventajas adicionales de la tecnología de transparencia aplicada al ETE la observación en tiempo real de los cambios morfológicos de la OI durante el ciclo cardíaco y la mejora en la visualización de fugas residuales post procedimiento, mostrando el origen y trayecto completo del flujo sanguíneo anormal.

En la tabla 3 se expone la fuerza de la correlación entre la tecnología de IA diseñada para facilitar la medición automática de parámetros anatómicos de la OI sobre el ETE 3D y los otros métodos de medición empleados en este estudio para la obtención de los diámetros de la OI:

---

Tabla 3. Correlación entre las medidas obtenidas por IA vs. los otros métodos. Coeficientes de correlación de Spearman entre las medidas obtenidas por IA vs. los otros métodos de imágenes. Para el ETE 2D, no hay mediciones disponibles de LZ área y LZ cir debido a que no puede medirlas de manera confiable. LZ máx: Diámetro máximo de la zona de aterrizaje, LZ min: Diámetro mínimo de la zona de aterrizaje, LZ área: Área de la zona de aterrizaje, LZ cir: Circunferencia de la zona de aterrizaje. Fuente: Elaboración propia.

---

La correlación más fuerte se observa en todos los parámetros (diámetro máximo, diámetro mínimo, área y circunferencia) entre la tecnología de IA diseñada para la medición automática de parámetros de la OI y la medición manual por ETE 3D de la OI. Hay una correlación fuerte entre esta primera tecnología y el ETE 2D para LZ máx y LZ mín. La correlación entre las medidas obtenidas por TC y las obtenidas por software de IA sobre el ETE 3D tuvieron una variación de moderada a muy débil, dependiendo del parámetro.

---

Discusión

El estudio de Sun y col. presenta dos propuestas novedosas con potencial utilidad en el contexto de procedimientos intervencionistas para FA:

1. La capacidad de la transiluminación mediante ETE 3D en tiempo real para visualizar de manera no invasiva y sin radiación el contorno externo de la OI y sus estructuras adyacentes.
2. La medición automática de parámetros necesarios para efectuar el cierre de OI mediante software basado en IA sobre imágenes de ETE.

Un par de circunstancias que contribuyen a dar relevancia al estudio son:

1. Uso de tecnologías avanzadas: La implementación de la transiluminación y la medición de la OI con IA representan un avance en su evaluación que permiten una visualización detallada y medidas precisas. La incorporación reciente de la transparencia podría mejorar aún más la visualización de las estructuras ⁽¹⁵⁾.
2. Alta tasa de éxito del procedimiento (94.59%) con ausencia de eventos adversos graves sugiere una buena selección de pacientes y una aplicación efectiva de la tecnología.

---

Sobre el diseño del estudio

El estudio empleó un diseño de cohorte prospectiva observacional, apropiado para evaluar nuevas tecnologías de imagen en un entorno clínico real que permitió un seguimiento longitudinal de los pacientes y la recolección de datos de alta calidad ⁽²⁵⁾.

No obstante, al no ser un ensayo clínico aleatorizado estuvo sujeto a posibles sesgos de selección. La falta de un grupo control limitó la capacidad de establecer relaciones causales y siendo más susceptible a factores de confusión ^(26,27).

---

Validez interna

La validez interna en este estudio se refiere al grado en que establece una relación causal confiable entre el uso de la transiluminación y el software de IA de medición de OI (variables independientes) y los resultados del procedimiento (variable dependiente).

Los elementos que afectarían la validez interna al estudio son:

1. Selección de Pacientes: Los criterios de inclusión y exclusión bien definidos minimizaron parcialmente el sesgo de selección del estudio. No obstante, podrían haber llevado a una muestra no representativa de la población general con FA. La falta de aleatorización limita la capacidad de establecer relaciones causales definitivas entre las intervenciones y los resultados.
2. Sesgo de procedimiento: El estudio menciona que el 94.59% de los pacientes se sometieron al cierre de OI, pero no proporciona información detallada sobre los criterios de selección específicos para el procedimiento, la falta de detalles sobre estos podría introducir factores de confusión no controlados que afectan tanto la validez interna como la externa, al obstaculizar generalizaciones a otros grupos o poblaciones.
3. Tamaño de la Muestra: es relativamente pequeño (37 pacientes). Esto puede afectar la potencia estadística del estudio y limitar la capacidad de detectar diferencias significativas. Era deseable el cálculo de un tamaño muestral que asegurara una potencia estadística adecuada ⁽²⁸⁾. 
4. El uso de métodos estadísticos adecuados para evaluar la reproducibilidad concordancia entre diferentes métodos de medición previo al cierre de OI, incluyendo el coeficiente de correlación intraclase (ICC) y el análisis de Bland-Altman, fortalece la validez interna al asegurar que las comparaciones y conclusiones extraídas de los datos son apropiadas y confiables.
5. La dependencia de la calidad de la imagen sobre la precisión de las mediciones puede ser una limitación. La precisión en las medidas arrojadas por el programa de IA depende de ello, lo que podría afectar su rendimiento en ciertas situaciones clínicas.
6. Sesgo de confusión: El estudio no menciona explícitamente el control de otras variables que podrían influir en los resultados, como comorbilidades o variaciones anatómicas individuales, siendo que la variación anatómica de la OI es muy frecuente. La falta de control de estas variables podría llevar a conclusiones erróneas sobre la eficacia relativa de los diferentes métodos de medición.
7. El estudio encontró que las mediciones automatizadas en 3D de las dimensiones de la OI se correlacionaron mejor con las mediciones manuales en 3D que con otros métodos como el ETE 2D y la TC. Esto sugiere que el método automatizado es consistente con el método manual establecido en casos como este en los que se usan los mismos datos 3D, lo cual apoya la validez interna de la nueva técnica.
8. La comparación de múltiples técnicas de imagen permite evaluar la validez concurrente, que es un aspecto de la validez de constructo, fortaleciendo así la validez interna del estudio, aunque también podría introducir un sesgo de información debido a la variabilidad en las mediciones.
9. El análisis de reproducibilidad intra e interobservador en un subconjunto de pacientes fortaleció la confiabilidad de las mediciones.
10. Cegamiento: La ausencia de cegamiento en la evaluación de imágenes podría introducir un sesgo de información del observador.
11. Además, la falta de consideración del efecto de la curva de aprendizaje podría afectar la interpretación de los resultados en relación a la validez interna y también tiene implicaciones para la validez externa, ya que afecta la generalización de los resultados a otros contextos donde la experiencia con la tecnología puede variar.

---

Validez Externa

Hay varios factores que influyen en la capacidad de generalizar los resultados del estudio a otros centros o poblaciones, contextos o situaciones más allá de las específicas en las que se realizó la investigación:

1. El estudio se realizó en un solo centro esto podría promover el sesgo de selección limitando la generalización de los resultados ⁽²⁹⁾.
2. Se evaluó el tiempo requerido para realizar las mediciones, lo que proporciona información sobre la eficiencia de las nuevas técnicas factor importante para su aplicabilidad en la práctica clínica real.
3. Sesgo tecnológico: Las tecnologías específicas (TrueVue Glass, 3D Auto LAA) pueden no estar disponibles en todos los centros, por lo que la generalización de sus aportes se ve limitada.
4. El seguimiento clínico de hasta de 6 meses podría considerarse un período relativamente corto para algunos resultados a largo plazo en cardiología ⁽³⁰⁾.
5. La evaluación integral de la precisión, eficiencia y reproducibilidad de las nuevas tecnologías mejora la generalización de los resultados al proporcionar información más completa sobre su funcionamiento en diferentes contextos clínicos.
6. Tratamiento estadístico: falta información sobre el manejo de datos faltantes y si se planteó un análisis por intención de tratar en el desenlace final.
7. La tasa de defectos residuales >5 mm en el estudio de Sun y col. fue cero (N pero esto no difiere significativamente de los hallazgos de estudios recientes que no incluyen esta mediciones con software de IA, es el caso del estudio EPIC06-WATCH-HD que mostró una tasa de defecto residual con oclusor Watchman en 1.9% de los casos (N=51), esto afecta principalmente la validez externa del estudio ⁽³¹⁾.

---

Tecnologías Evaluadas

Limitaciones y desafíos de la Transiluminación

La transiluminación no carece de limitaciones:

1. La calidad de la imagen a menudo depende de la posición y el tamaño de la fuente de luz en relación con las estructuras anatómicas ⁽¹⁶⁾ por lo que se requiere un entrenamiento adicional en estos nuevos aspectos ^(32,33).
2. Su eficacia puede variar dependiendo de la patología específica que se esté evaluando ⁽³⁴⁾.
3. Se desconoce si hay variaciones en cómo se aplica e interpreta entre diferentes centros, dificultando la comparación de resultados ⁽³⁵⁾.
4. Por ahora, la evidencia clínica sobre transiluminación en ecocardiografía aún es limitada, necesitando más estudios a gran escala para validar completamente su utilidad.
5. Requiere equipos no disponibles en todos los centros médicos.

 

Limitaciones y desafíos de la IA en ETE

Existen varios desafíos y limitaciones que deben abordarse:

1. Calidad y variabilidad de las imágenes

Estas pueden variar significativamente dependiendo de la anatomía del paciente, la experiencia del operador y las características del equipo. 54,29% de los pacientes necesitaron ajustes finos manuales de la imagen al momento del análisis, esto puede afectar el rendimiento de los algoritmos de IA siendo necesario algoritmos robustos para manejarlas.

2. Interpretabilidad de los resultados

Los modelos de IA, especialmente los basados en aprendizaje profundo, a menudo funcionan como “cajas negras“ de las que no conocemos del todo cómo llegan a sus conclusiones, lo que dificulta la interpretación de sus decisiones. Esto puede ser problemático en el contexto clínico, donde la transparencia y las explicaciones son cruciales ⁽³⁶⁾.

3. Validación y regulación

La validación rigurosa de los algoritmos de IA en grandes cohortes de pacientes es esencial antes de su implementación clínica.

---

Implicaciones del estudio para la práctica clínica

El estudio de Sun y col. (2022) presenta una validez metodológica adecuada y demuestra la utilidad potencial de las nuevas tecnologías de imagen y medición en el contexto del cierre de OI en pacientes con FA. Sin embargo, las limitaciones en el tamaño de la muestra y el seguimiento a corto plazo sugieren que se necesitan estudios adicionales con muestras más grandes y seguimiento a largo plazo para confirmar estos hallazgos, que consideren la evaluación de la curva de aprendizaje, su reproducibilidad en diferentes entornos, así como los costos y disponibilidad en comparación con los métodos estándar actuales.

 

Aportes del estudio

La combinación de estas dos tecnologías (el modelo de IA diseñado para facilitar la medición automática de parámetros anatómicos de la OI y la transiluminación) proporcionan una evaluación precisa y rápida de la anatomía y fisiología de la OI para la evaluación preoperatoria de su cierre en pacientes con FA y para su seguimiento post operatorio.

Su utilidad práctica se evidencia en:

1. Mejora en la precisión y reproducibilidad de las mediciones de la OI en comparación con los otros métodos. Las mediciones automatizadas de la OI asistidas por IA mostraron ser factibles.
2. Reduce significativamente el tiempo de análisis, lo que podría mejorar la eficiencia en la práctica clínica.
3. El uso de técnicas de medición automatizadas cuando se suma a ajustes manuales permitiría efectuar mediciones precisas con mayor repetibilidad.
4. Planificación más precisa del tamaño del dispositivo. Es posible que la medición por ETE 2D subestime el tamaño real de la orejuela debido a la visualización en un solo plano. La imagen por ETE 3D se acerca más a la morfología volumétrica real de la OI.
5. Su implementación podría reducir complicaciones post procedimiento. La tecnología TrueVue Glass permitió una visualización mejorada, no invasiva y sin radiación, del contorno externo general de la orejuela auricular OI y su relación con estructuras adyacentes, comparable a la TC.
6. Potencial para reducir la necesidad de exámenes adicionales disminuyendo así la exposición a radiación y el uso de contraste.
7. La transiluminación (TrueVue Glass) mejora significativamente la visualización de fugas residuales post procedimiento de cierre de OI.

---

Conclusión

La suma de la ETE 3D con herramientas de IA y transiluminación ofrece una evaluación más precisa y reproducible de las dimensiones de la OI previo a su cierre en pacientes con FA.

---

---

Bibliografía

1. Gómez-Doblas JJ, Muñiz J, Martin JJA, Rodríguez-Roca G, Lobos JM, Awamleh P, et al. Prevalencia de fibrilación auricular en España. Resultados del estudio OFRECE. Rev Esp Cardiol. 1 de abril de 2014;67(4):259-69.
2. Cea-Calvo L, Redón J, Lozano JV, Fernández-Pérez C, Martí-Canales JC, Llisterri JL, et al. Prevalencia de fibrilación auricular en la población española de 60 o más años de edad. Estudio PREV-ICTUS. Rev Esp Cardiol. 1 de junio de 2007;60 (6):616-24.
3. Dalmau Llorca MR, Aguilar Martín C, Carrasco-Querol N, Hernández Rojas Z, Rodríguez Cumplido D, Castro Blanco E, et al. Valor clínico de una herramienta de anticoagulación oral en fibrilación auricular no valvular en atención primaria. Ensayo clínico aleatorizado. Rev Esp Cardiol. 1 de junio de 2024;77(6):471-80.
4. Rohla M, Weiss T, Pecen L, Patti G, Siller-Matula J, Schnabel R, et al. Risk factors for thromboembolic and bleeding events in anticoagulated patients with atrial fibrillation: the prospective, multicentre observational PREvention oF thromboembolic events - European Registry in Atrial Fibrillation (PREFER in AF). BMJ Open [Internet]. 2019 [citado 28 de julio de 2024];9. Disponible en: https://consensus.app/papers/risk-factors-thromboembolic-bleeding-events-rohla/9b34a16f91195fc1847a308e2a915f8c/
5. Saw J, Holmes DR, Cavalcante JL, Freeman JV, Goldsweig AM, Kavinsky CJ, et al. SCAI/HRS Expert Consensus Statement on Transcatheter Left Atrial Appendage Closure. J Soc Cardiovasc Angiogr Interv [Internet]. 1 de mayo de 2023 [citado 30 de agosto de 2024];2(3). Disponible en: https://www.jscai.org/article/S2772-9303(22)00617-2/fulltext
6. Masoudi FA, Calkins H, Kavinsky CJ, Drozda JP, Gainsley P, Slotwiner DJ, et al. 2015 ACC/HRS/SCAI Left Atrial Appendage Occlusion Device Societal Overview. J Am Coll Cardiol. 29 de septiembre de 2015;66(13):1497-513.
7. Osmancik P, Herman D, Neuzil P, Hala P, Taborsky M, Kala P, et al. 4-Year Outcomes After Left Atrial Appendage Closure Versus Nonwarfarin Oral Anticoagulation for Atrial Fibrillation. J Am Coll Cardiol. 4 de enero de 2022;79(1):1-14.
8. Hindricks G, Potpara T, Dagres N, Arbelo E, Bax JJ, Blomström-Lundqvist C, et al. 2020 ESC Guidelines for the diagnosis and management of atrial fibrillation developed in collaboration with the European Association for Cardio-Thoracic Surgery (EACTS): The Task Force for the diagnosis and management of atrial fibrillation of the European Society of Cardiology (ESC) Developed with the special contribution of the European Heart Rhythm Association (EHRA) of the ESC. Eur Heart J. 1 de febrero de 2021;42(5):373-498.
9. Korsholm K, Berti S, Iriart X, Saw J, Wang DD, Cochet H, et al. Expert Recommendations on Cardiac Computed Tomography for Planning Transcatheter Left Atrial Appendage Occlusion. JACC Cardiovasc Interv. 10 de febrero de 2020;13(3):277-92.
10. Vásquez Ortiz ZY, Muratalla González R. ETE en el cierre percutáneo de la orejuela izquierda. Tema 5. Material de Apoyo de la 2da Edición del Máster de Ecocardiografía Transesofágica. Sociedad Española de Imagen Cardíaca;
11. Sun A, Ren S, Xiao Y, Chen Y, Wang N, Li C, et al. Real-time 3D echocardiographic transilluminated imaging combined with artificially intelligent left atrial appendage measurement for atrial fibrillation interventional procedures. Front Physiol. 2022; 13:1043551.
12. Marwan M, Vaillant A, Ammon F, Bittner D, Hell M, Achenbach S. Assessment of the Dynamism of the Left Atrial Appendage Dimensions: A Computer Tomographic Analysis. J Struct Heart Dis. 31 de octubre de 2019;5(5):213-20.
13. Wang DD, Qian Z, Vukicevic M, Engelhardt S, Kheradvar A, Zhang C, et al. 3D Printing, Computational Modeling, and Artificial Intelligence for Structural Heart Disease. JACC Cardiovasc Imaging. enero de 2021;14(1):41-60.
14. Rodríguez-Zanella H, Sandoval JP, Ortiz-León XA, Hernández-Mejía I, Arias EA. Multimodality imaging with 3D echocardiography transillumination and 3D CT rendering for a ventricular septal rupture’s morphological analysis. Eur Heart J - Cardiovasc Imaging. 1 de febrero de 2022;23(2):e92.
15. Cotella JI, Yamat M, Henry MP, Addetia K, Lang RM. Clinical Utility of Transillumination on Transthoracic Imaging. CASE. 1 de noviembre de 2022;6(9):394-9.
16. Karagodin I, Yamat M, Dow A, Rivera L, Singh A, Addetia K, et al. Utility of transillumination and transparency renderings in 3D transthoracic imaging. Int J Cardiovasc Imaging. enero de 2022;38(1):141-7.
17. Davis A, Billick K, Horton K, Jankowski M, Knoll P, Marshall JE, et al. Artificial Intelligence and Echocardiography: A Primer for Cardiac Sonographers. J Am Soc Echocardiogr Off Publ Am Soc Echocardiogr. septiembre de 2020;33(9):1061-6.
18. Kusunose K, Haga A, Inoue M, Fukuda D, Yamada H, Sata M. Clinically Feasible and Accurate View Classification of Echocardiographic Images Using Deep Learning. Biomolecules. 25 de abril de 2020;10(5):665.
19. Asch FM, Poilvert N, Abraham T, Jankowski M, Cleve J, Adams M, et al. Automated Echocardiographic Quantification of Left Ventricular Ejection Fraction Without Volume Measurements Using a Machine Learning Algorithm Mimicking a Human Expert. Circ Cardiovasc Imaging. septiembre de 2019;12(9):e009303.
20. Zhang J, Gajjala S, Agrawal P, Tison GH, Hallock LA, Beussink-Nelson L, et al. Fully Automated Echocardiogram Interpretation in Clinical Practice. Circulation. 16 de octubre de 2018;138(16):1623-35.
21. LeCun Y, Bengio Y, Hinton G. Deep learning. Nature. mayo de 2015;521(7553):436-44.
22. Yoon YE, Kim S, Chang HJ. Artificial Intelligence and Echocardiography. J Cardiovasc Imaging. julio de 2021;29(3):193-204.
23. Yu Y, Zhang R, Chen YH, Wang T, Tang XL, Gong C qi, et al. Diagnostic value of real-time four-dimensional transesophageal echocardiography on the implant-related thrombus. Front Cardiovasc Med. 26 de enero de 2023; 10:1018877.
24. Marchetti D, Di Lenarda F, Novembre ML, Paolisso P, Schillaci M, Melotti E, et al. Contemporary Echocardiographic Evaluation of Mitral Regurgitation and Guidance for Percutaneous Mitral Valve Repair. J Clin Med. 15 de noviembre de 2023;12(22):7121.
25. Shadish WR, Cook TD, Campbell DT. Experimental and Quasi-experimental Designs for Generalized Causal Inference. Houghton Mifflin; 2002. 664 p.
26. Le CT, Eberly LE. Introductory Biostatistics. John Wiley & Sons; 2016. 626 p.
27. Fairclough DL. Design and Analysis of Quality-of-Life Studies in Clinical Trials. CRC Press; 2010. 419 p.
28. Guyatt G. Users’ Guides to the Medical Literature: A Manual for Evidence-Based Clinical Practice, 3E. McGraw Hill Professional; 2014. 726 p.
29. Bertranou E. Manual de Metodologia de La Investigacion Clinica. Akadia; 2007. book.
30. Celentano DD, Szklo M. Gordis Epidemiology. Elsevier Health Sciences; 2018. 434 p.
31. Benito González T. Design and interim results of a registry of left atrial appendage occlusion with the Watchman device in patients on hemodialysis: EPIC06-WATCH-HD. Rev Esp Cardiol Engl Ed. 1 de febrero de 2022;75(2):179-80.
32. Gavazzoni M, Maisano F, Tagliari AP, Taramasso M, Pozzoli A, Zuber M. TrueVue transillumination volume rendering for three-dimensional transoesophageal echocardiography in interventional imaging. J Cardiovasc Med Hagerstown Md. 1 de octubre de 2021;22(10):780-7.
33. Chao CJ, Mandale DR, Naqvi TZ. New pathological illuminations on 3D transillumination transesophageal echocardiography imaging. Echocardiogr Mt Kisco N. junio de 2021;38(6):1070-3.
34. Malagoli A, Albini A, Baldini L, Grassi L, Tondi S. Imaging a unicuspid aortic valve with transillumination. Echocardiography. 2021;38(3):504-5.
35. Fan Y, Chan JSK, Lee APW. Advances in Procedural Echocardiographic Imaging in Transcatheter Edge-to-Edge Repair for Mitral Regurgitation. Front Cardiovasc Med. 28 de marzo de 2022; 9:864341.
36. Dey D, Slomka PJ, Leeson P, Comaniciu D, Shrestha S, Sengupta PP, et al. Artificial Intelligence in Cardiovascular Imaging: JACC State-of-the-Art Review. J Am Coll Cardiol. 26 de marzo de 2019;73(11):1317-35.

---