Electrocardiografía mejorada por inteligencia artificial para la estratificación completa del riesgo de bloqueo...

Área de la Ciencia:

• Cardiología
• Inteligencia artificial
• Diagnóstico médico

Sus antecedentes:

• El bloqueo cardíaco completo (CHB) es una condición grave con estratificación de riesgo cruda utilizando electrocardiografía de corriente (ECG).
• El ECG mejorado con inteligencia artificial (AI-ECG) es prometedor para identificar enfermedades subclínicas.
• Se necesitan métodos mejorados para predecir el CHB incidente.

Objetivo del estudio:

• Desarrollar y validar un estimador de riesgo AI-ECG para la predicción de CHB de incidentes.
• Evaluar el rendimiento del modelo AI-ECG con respecto a los factores de riesgo tradicionales.

Principales métodos:

• Un estudio de cohorte que incluye desarrollo y validación externa.
• Utilizó una arquitectura de red neuronal convolucional residual con una función de pérdida de supervivencia en tiempo discreto.
• Entrenado el modelo AI-ECG (AIRE-CHB) para predecir nuevos diagnósticos de CHB.

Principales resultados:

• AIRE-CHB demostró un fuerte rendimiento predictivo tanto en el desarrollo (índice C 0,836, AUROC 0,889) como en las cohortes de validación (índice C 0,936).
• El modelo AI-ECG superó significativamente la detección tradicional de bloqueo bifascular (AUROC 0,594).
• Los individuos de alto riesgo identificados por AIRE-CHB tenían ratios de riesgo sustancialmente mayores para desarrollar CHB.

Conclusiones:

• Un nuevo modelo de aprendizaje profundo, AIRE-CHB, puede identificar efectivamente el riesgo de CHB incidente.
• AIRE-CHB tiene el potencial de mejorar la toma de decisiones clínicas en pacientes con síncope o con riesgo de bloqueo atrioventricular de alto grado.
• Este enfoque AI-ECG ofrece un avance significativo con respecto a los métodos actuales de estratificación del riesgo para CHB.