Síntesis de ECG y análisis de utilidad - Un enfoque basado en el modelo de difusión

Área de la Ciencia:

• Medicina cardiovascular
• Inteligencia artificial en el cuidado de la salud
• Generación de datos médicos

Sus antecedentes:

• Creciente necesidad de soluciones de salud que preserven la privacidad.
• Los electrocardiogramas sintéticos (ECGs) ofrecen una alternativa a los datos reales de los pacientes.
• Permite la investigación y el desarrollo sin comprometer la privacidad del paciente.

Objetivo del estudio:

• Adaptar el modelo de difusión SSSD-ECG para la generación de ECG sintéticos de alta calidad.
• Para generar ECGs sintéticos para el ritmo sinusal / normal y las condiciones de fibrilación auricular (AF).
• Validar la utilidad de los ECG sintéticos en las tareas posteriores.

Principales métodos:

• Utilizó el modelo de difusión SSSD-ECG.
• Generó ECG sintéticos de 10 segundos y 12 derivaciones del conjunto de datos MIMIC-IV.
• Incluidas las condiciones de ritmo sinusal/normal y fibrilación auricular (FA).

Principales resultados:

• Los modelos entrenados en características sintéticas de ECG lograron una puntuación F1 de 0,80 en datos reales.
• Los modelos entrenados con datos reales obtuvieron una puntuación F1 de 0,91 en datos sintéticos.
• Las evaluaciones médicas confirmaron que los ECG sintéticos imitan datos reales en morfología y características.

Conclusiones:

• Los modelos basados en difusión son efectivos para generar ECG sintéticos realistas.
• Los ECG sintéticos sirven como recursos valiosos para el desarrollo y la prueba de modelos.
• Facilita la investigación cuando los datos reales son escasos o no se pueden compartir.