Video Experimental Relacionado
Updated: Nov 19, 2025

A Novel Digital Platform for a Monitored Home-based Cardiac Rehabilitation Program
Published on: April 19, 2019
Evaluación del intervalo QT corregido del ritmo cardíaco habilitado por inteligencia artificial utilizando un
John R Giudicessi1, Matthew Schram2, J Martijn Bos3
1Clinician-Investigator Training Program (J.R.G.), Mayo Clinic, Rochester, MN.
Una red neuronal profunda (DNN) de inteligencia artificial (IA) predice con precisión el intervalo QT corregido por la frecuencia cardíaca (QTc) desde dispositivos ECG móviles. Este cribado de ECG móvil habilitado por IA ofrece un método rentable para detectar el síndrome de QT largo.
Área de la Ciencia:
- Cardiología
- Inteligencia artificial
- Dispositivos médicos
Sus antecedentes:
- El intervalo QT corregido por la frecuencia cardíaca (QTc) prolongado aumenta el riesgo de arritmias ventriculares y muerte cardíaca súbita.
- Las causas incluyen medicamentos, genética (síndrome de QT largo congénito) y enfermedades como COVID-19.
- El monitoreo actual del QTc se basa en la electrocardiografía de 12 conductos.
Objetivo del estudio:
- Entrenar y validar un algoritmo habilitado para la IA para la determinación del QTc utilizando ECG de 12 derivaciones.
- Para probar prospectivamente el algoritmo de IA en el trazado de ECG móvil (mECG).
- Evaluar la capacidad de la IA para detectar la prolongación del intervalo QT clínicamente relevante.
Principales métodos:
- Se entrenó y validó una red neuronal profunda (DNN) en más de 1,6 millones de ECG de 12 derivaciones.
- El DNN predijo los valores de QTc, utilizando los valores de revisión del cardiólogo como el estándar de oro.
- Las pruebas prospectivas involucraron a 686 pacientes con enfermedad cardíaca genética utilizando tanto un ECG de 12 derivaciones como un dispositivo de mECG prototipo.
Principales resultados:
- El DNN de la IA mostró un fuerte acuerdo con los valores de QTc leídos por humanos en el conjunto de validación.
- El QTc predicho por DNN de los trazados de mECG mostró diferencias nominales en comparación con los ECG de 12 derivaciones.
- La IA demostró una alta precisión en la detección de la prolongación del intervalo QTc (AUC 0,97, sensibilidad 80,0%, especificidad 94,4%) en los datos del mECG.
Conclusiones:
- Un AI DNN puede predecir con precisión el QTc de los ECG estándar de 12 conductos utilizando electrodos habilitados para teléfonos inteligentes.
- Los dispositivos mECG habilitados para IA ofrecen una herramienta de detección rentable para el síndrome de QT largo adquirido y congénito.
- Esta tecnología puede ser valiosa en entornos que carecen de ECG de 12 conductos accesibles o rentables.
Videos de Conceptos Relacionados
Electrocardiogram
Three major waveforms are present in a typical ECG recording: the P wave, the QRS complex, and...
Holter Monitor: 24-Hour Monitoring
Pulse rhythm
Conversely, an irregular pulse pattern is termed dysrhythmia, stemming from disruptions in cardiac...
ECG Interpretation of Rhythms
Components of the Electrocardiogram
The primary components of a normal ECG waveform in Normal sinus rhythm(NSR) include the P wave, PR interval, QRS complex, ST segment, T wave, and occasionally a U wave.
ECG waveforms are divided by vertical and horizontal lines at standard intervals.
The horizontal axis measures time and rate, and the vertical axis measures amplitude or voltage....
Dysrhythmias V: Evaluating Dysrhythmias
Assessment of apical radial pulse
The A-R pulse assessment involves simultaneous evaluation of the apical and radial pulses. When the apical and radial pulse rates vary, this assessment helps identify a pulse deficit.
Pre-Procedural Preparation

