Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Electrocardiogram Fundamentals01:28

Electrocardiogram Fundamentals

600
Introduction
An electrocardiogram (ECG) is a diagnostic tool for identifying cardiac conditions such as arrhythmias, conduction abnormalities, and myocardial ischemia.
Definition
An electrocardiogram (ECG) visualizes the heart's electrical activity by tracing the electrical movement associated with each heartbeat on a graph or monitor. As the heart beats, an electrical wave passes through it, correlating with the cardiac cycle events.
Parts of an ECG
An ECG utilizes electrodes on the skin...
600

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Real-World Associations of KidneyIntelX Risk Stratification With Guideline-Directed Therapy, Kidney Outcomes, and Metabolic Trajectories in Early Diabetic Kidney Disease.

Diabetes, obesity & metabolism·2026
Same author

Robust AI-ECG for Predicting Left Ventricular Systolic Dysfunction in Pediatric Congenital Heart Disease.

AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science·2026
Same author

Estimation of Left Ventricular Systolic Function in Pediatric and Congenital Heart Disease from Serial Electrocardiograms.

AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science·2026
Same author

Neuroimaging and Fluid-Based Biomarkers in Sport-Related Concussion in Female Athletes: A Scoping Review.

Journal of neurotrauma·2026
Same author

An ECG foundation model for generalizable cardiac function prediction across the lifespan.

medRxiv : the preprint server for health sciences·2026
Same author

Screen Time after Concussion: Still Searching for Just Right.

Journal of neurotrauma·2026
Same journal

Eugene Braunwald, MD, 1929-2026.

Circulation·2026
Same journal

AHA/ACC/ESC/WHF Expert Consensus Document: Second Universal Definition of Heart Failure (2026).

Circulation·2026
Same journal

Advancing Quality in the Evaluation, Surveillance, and Management of Aortic Stenosis: A Report From the AHA Target: AS Registry.

Circulation·2026
Same journal

Heart Failure Occurring in the Perinatal Period: A Scientific Statement From the American Heart Association.

Circulation·2026
Same journal

Correction to: 2026 ACC/AHA/AACVPR/ABC/ACPM/ADA/AGS/APhA/ASPC/NLA/PCNA Guideline on the Management of Dyslipidemia: A Report of the American College of Cardiology/American Heart Association Joint Committee on Clinical Practice Guidelines.

Circulation·2026
Same journal

Correction to: The Natural History of Massive Left Ventricular Hypertrophy in Pediatric Hypertrophic Cardiomyopathy: A Multiregistry Analysis.

Circulation·2026
Ver todos los artículos relacionados

Video Experimental Relacionado

Updated: Jul 4, 2025

Patient-specific Modeling of the Heart: Estimation of Ventricular Fiber Orientations
12:09

Patient-specific Modeling of the Heart: Estimation of Ventricular Fiber Orientations

Published on: January 8, 2013

13.7K

Aprendizaje profundo basado en ECG pediátrico para predecir la disfunción y remodelación ventricular izquierda

Joshua Mayourian1,2, William G La Cava3,2, Akhil Vaid4

  • 1Department of Cardiology (J.M., S.J.G., T.G., A.D., M.E.A., J.K.T.), Boston Children's Hospital, MA.

Circulation
|February 5, 2024
PubMed
Resumen
Este resumen es generado por máquina.

Un algoritmo de IA puede detectar la disfunción del ventrículo izquierdo (LV) y la remodelación en niños que usan ECGs, ofreciendo una herramienta de detección prometedora y económica. Esta tecnología democratiza la experiencia en cardiología pediátrica, mejorando el acceso a la atención.

Palabras clave:
Inteligencia artificialelectrofisiologíacardiología pediátricaDisfunción ventricularRemodelación ventricular

Más Videos Relacionados

Lumped-Parameter and Finite Element Modeling of Heart Failure with Preserved Ejection Fraction
09:20

Lumped-Parameter and Finite Element Modeling of Heart Failure with Preserved Ejection Fraction

Published on: February 13, 2021

6.5K
Real-Time Cardiac Mapping with a Noninvasive Imageless Electrocardiographic Imaging System
10:17

Real-Time Cardiac Mapping with a Noninvasive Imageless Electrocardiographic Imaging System

Published on: April 11, 2025

575

Videos de Experimentos Relacionados

Last Updated: Jul 4, 2025

Patient-specific Modeling of the Heart: Estimation of Ventricular Fiber Orientations
12:09

Patient-specific Modeling of the Heart: Estimation of Ventricular Fiber Orientations

Published on: January 8, 2013

13.7K
Lumped-Parameter and Finite Element Modeling of Heart Failure with Preserved Ejection Fraction
09:20

Lumped-Parameter and Finite Element Modeling of Heart Failure with Preserved Ejection Fraction

Published on: February 13, 2021

6.5K
Real-Time Cardiac Mapping with a Noninvasive Imageless Electrocardiographic Imaging System
10:17

Real-Time Cardiac Mapping with a Noninvasive Imageless Electrocardiographic Imaging System

Published on: April 11, 2025

575

Área de la Ciencia:

  • Cardiología
  • Inteligencia artificial
  • Diagnóstico médico

Sus antecedentes:

  • La inteligencia artificial (IA) muestra potencial para el análisis de ECG en adultos, pero está poco explorada en poblaciones pediátricas.
  • La detección de la disfunción del ventrículo izquierdo (LV) y la remodelación en niños que usan ECGs mejorados con IA es una necesidad crítica no satisfecha.

Objetivo del estudio:

  • Desarrollar y validar un algoritmo de IA para la detección de disfunción de LV, hipertrofia y dilatación en pacientes pediátricos.
  • Evaluar el rendimiento del algoritmo frente a expertos humanos y en cohortes de validación externas.

Principales métodos:

  • Se entrenó una red neuronal convolucional con ecocardiogramas emparejados de pacientes pediátricos (≤18 años).
  • El modelo identificó la disfunción de LV, la hipertrofia y la dilatación, evaluadas utilizando las métricas AUROC y AUPRC.
  • El rendimiento se probó en conjuntos de datos de validación internos, de urgencias y externos.

Principales resultados:

  • El modelo de IA demostró un gran rendimiento en la detección de anomalías de LV, comparable o superior a los parámetros de referencia pediátricos.
  • La validación externa mostró altos valores predictivos negativos para los resultados compuestos (99,0% - 99,2%).
  • El mapeo de saliencia identificó las características clave del ECG predictivas de la disfunción y remodelación de LV.

Conclusiones:

  • Un algoritmo de IA validado externamente puede detectar efectivamente la disfunción de LV y la remodelación en niños a través del ECG.
  • Esta tecnología ofrece un método barato para ampliar el acceso a la atención cardíaca pediátrica especializada.
  • La herramienta de IA democratiza la experiencia en cardiología pediátrica, mejorando potencialmente la detección y el manejo tempranos.