Fusión de imágenes de ecocardiografía y registros médicos para la estratificación continua del paciente

Área de la Ciencia:

• Medicina cardiovascular
• Inteligencia artificial
• La informática médica

Sus antecedentes:

• Los descriptores de la función cardíaca de la ecocardiografía ofrecen información detallada del paciente.
• La hipertensión presenta un espectro patológico complejo y continuo.
• La integración de datos multimodales (registros clínicos, ecocardiogramas) es crucial para la evaluación integral del paciente.

Objetivo del estudio:

• Desarrollar un nuevo método de aprendizaje profundo para caracterizar la hipertensión utilizando datos multimodales.
• Aprovechar los modelos de Transformer para aprender las representaciones de los pacientes a partir de diversas fuentes de datos.
• Estratificar a los pacientes hipertensos a lo largo de un continuo patológico para una mejor comprensión.

Principales métodos:

• Modelos de transformadores utilizados adaptados para datos tabulares (modelo de base XTab).
• Proyecciones específicas de modalidad para datos ecocardiográficos y clínicos.
• La estratificación del paciente formulada como una tarea de clasificación ordinal para modelar el continuo patológico.

Principales resultados:

• Se logró un alto rendimiento (96,8% AUROC) con datos limitados (< 200 muestras).
• Se ha demostrado la estratificación reproducible de los pacientes a lo largo de las sesiones de entrenamiento (5,7% MAE).
• Se identificaron nuevos patrones en los descriptores cardíacos relacionados con la hipertensión, algunos alineados con los conocimientos existentes.

Conclusiones:

• El método propuesto integra efectivamente los datos multimodales para la caracterización de la patología cardiovascular.
• Los modelos de transformador son prometedores en el análisis de datos clínicos complejos para la estratificación de enfermedades.
• Los hallazgos proporcionan una visión más profunda del impacto de la hipertensión en la función cardíaca y ofrecen vías para futuras investigaciones.