Detección de la disfunción sistólica ventricular izquierda a partir de imágenes electrocardiográficas

Área de la Ciencia:

• Cardiología
• Inteligencia artificial
• Imágenes médicas

Sus antecedentes:

• La disfunción sistólica del ventrículo izquierdo (LV) aumenta significativamente los riesgos de insuficiencia cardíaca y mortalidad.
• Los métodos actuales de detección de ECG para la disfunción de LV están limitados por la disponibilidad clínica.
• Se ha desarrollado un nuevo enfoque de aprendizaje profundo para la detección de disfunción de LV utilizando imágenes de ECG.

Objetivo del estudio:

• Desarrollar y validar un algoritmo de aprendizaje profundo para detectar la disfunción sistólica de LV a partir de imágenes de ECG.
• Evaluar el rendimiento del modelo en diversos entornos clínicos y formatos de ECG.
• Para identificar los patrones de ECG indicativos de la disfunción sistólica de LV.

Principales métodos:

• Se entrenó una red neuronal convolucional en 385.601 ECG y ecocardiogramas.
• El modelo fue validado internamente y externamente en múltiples sistemas hospitalarios y una cohorte prospectiva.
• Se utilizó un mapeo de activación de clase ponderado por gradiente para la localización de la señal.

Principales resultados:

• El modelo logró una alta discriminación (AUROC 0.90-0.95) en varios conjuntos de validación.
• Los hallazgos del ECG sugerentes de disfunción de LV se asociaron con un aumento de más de 27 veces en las probabilidades de la afección.
• Las pruebas de ECG positivas predijeron un aumento de 3,9 veces en el riesgo de disfunción sistólica LV incidente en el futuro.

Conclusiones:

• Un modelo de aprendizaje profundo identifica efectivamente la disfunción sistólica de LV a partir de las imágenes de ECG.
• Este método proporciona una estrategia de detección automatizada y accesible para la disfunción sistólica de LV.
• El enfoque es particularmente prometedor para los entornos de atención médica de bajos recursos.