Estudio de la reserva fraccional de flujo (FFR) en arterias coronarias mediante inteligencia artificial

Abstract

Las enfermedades cardiovasculares constituyen la principal causa de mortalidad en los países desarrollados, y entre ellas la cardiopatía isquémica ocupa un lugar destacado. El diagnóstico preciso de las estenosis coronarias es un desafío clínico de gran relevancia, pues de él dependen tanto la decisión terapéutica como el pronóstico del paciente. En la actualidad, la medida de la reserva fraccional de flujo (FFR) se considera el estándar de referencia para evaluar la significación funcional de las lesiones coronarias, pero su carácter invasivo limita su aplicación y conlleva riesgos y costes asociados. El presente Trabajo Fin de Grado aborda esta problemática mediante el desarrollo de un modelo de inteligencia artificial (IA) destinado a la estimación no invasiva de la FFR. Para ello, se ha generado una base de datos sintética de arterias coronarias con distintos grados de estenosis, obtenida a través de modelado geométrico y simulaciones numéricas con dinámica de fluidos computacional (CFD). A partir de estos datos se ha entrenado una red neuronal artificial, diseñada para predecir la caída de presión en la arteria y, en consecuencia, estimar el valor de la FFR. El trabajo incluye un estudio detallado de los fundamentos fisiológicos de la FFR, de las técnicas actualmente empleadas en su medida y de la utilidad clínica de este índice en la cardiología intervencionista. Además, se describen las fases de preprocesado, procesado y postprocesado llevadas a cabo para la creación del dataset y su posterior empleo en el entrenamiento del modelo. Los resultados obtenidos muestran que la red neuronal es capaz de aproximar con buena precisión el índice funcional, validando así la hipótesis inicial de que la IA puede constituir una alternativa viable a las técnicas invasivas. Si bien la propuesta requiere aún de validación con datos clínicos reales y de una ampliación de los rangos anatómicos y hemodinámicos estudiados, el trabajo pone de manifiesto el potencial de la inteligencia artificial para transformar los métodos diagnósticos en cardiología. En este sentido, constituye un primer paso hacia la implementación de herramientas no invasivas, rápidas y fiables que puedan complementar la práctica clínica y contribuir a reducir procedimientos innecesarios, mejorando así la seguridad del paciente y optimizando los recursos sanitarios.