Detección de enfermedades cardíacas estructurales a partir de electrocardiogramas mediante IA

Área de la Ciencia:

• Cardiología
• Inteligencia artificial
• Imágenes médicas

Sus antecedentes:

• La detección temprana de la enfermedad cardíaca estructural es crucial para mejorar los resultados de los pacientes.
• Los métodos actuales de detección como la ecocardiografía están limitados por el costo y la accesibilidad.
• Los modelos anteriores de IA para la detección de enfermedades del corazón a menudo se entrenaron en poblaciones limitadas o condiciones específicas.

Objetivo del estudio:

• Para presentar EchoNext, un modelo de aprendizaje profundo diseñado para la detección de enfermedades cardíacas estructurales amplias.
• Evaluar la precisión del diagnóstico y la generalización de EchoNext.
• Evaluar el potencial de la IA en la expansión de la detección de enfermedades cardíacas a gran escala.

Principales métodos:

• Desarrolló EchoNext, un modelo de aprendizaje profundo entrenado en más de 1 millón de registros de ritmo cardíaco e imágenes.
• Validar el rendimiento del modelo internamente y externamente.
• Se realizó un ensayo clínico prospectivo en pacientes sin imágenes cardíacas previas.
• Comparó el rendimiento de EchoNext con los cardiólogos en un entorno controlado.

Principales resultados:

• EchoNext demostró una alta precisión de diagnóstico en diversas poblaciones y entornos de atención.
• El modelo superó a los cardiólogos en una evaluación controlada.
• El ensayo prospectivo mostró una identificación exitosa de una enfermedad cardíaca no diagnosticada previamente.
• Se observó un rendimiento consistente en diferentes grupos raciales y/o étnicos.

Conclusiones:

• Los modelos de aprendizaje profundo como EchoNext muestran un potencial significativo para mejorar el acceso a la detección de enfermedades cardíacas estructurales.
• La IA puede ayudar a superar las limitaciones de las herramientas de imágenes tradicionales en la detección generalizada.
• La publicación pública de los pesos y datos de los modelos respalda una mayor investigación y transparencia en la IA para la salud cardiovascular.