La enfermedad valvular tiene un impacto creciente en nuestra sociedad en términos de morbi-mortalidad. El uso de técnicas transcatéter, (transcatheter aortic valve implantation -TAVI- y percutaneous mitral valve repair -PMVR-), se ha extendido rápidamente por sus beneficios en términos de mortalidad y eficacia en pacientes seleccionados, aunque aún es necesario mejorar la selección y estratificación. El uso Inteligencia Artificial para el análisis de los datos mediante herramientas basadas en aprendizaje automático, Machine Learning (ML), se aplica desde hace años en el ámbito de la salud, anunciando la llegada de un modelo de salud diferente. Uno de los campos en los que el ML ofrece unos resultados más ventajosos es en la predicción de complicaciones y de resultados ante un tratamiento. Sin embargo estas herramientas no han sido desarrolladas y validadas prospectivamente en el campo del intervencionismo estructural. El presente proyecto desarrollará una herramienta de ML y una calculadora online/app, basadas en el análisis de las variables incluidas en los registros nacionales de TAVI y de PMVR, lo que permitirá establecer predicciones de complicaciones, efectividad y seguridad, y avanzar hacia una medicina personalizada. Para ello, el proyecto construirá el modelo predictivo con los datos retrospectivos de los registros y mediante un segundo estudio prospectivo multicéntrico (5 hospitales de gran volumen), las predicciones y principales conclusiones del análisis de inteligencia artificial serán validadas en situación de práctica clínica real.

valvulopatías
cardiología estructural
TAVI
PMVR
Inteligencia artificial
estratificación y selección de pacientes

Acción Estratégica en Salud (AES)