Video Experimental Relacionado
Updated: Sep 8, 2025
06:11
Model of Ischemia and Reperfusion Injury in Rabbits
Published on: November 3, 2023
1.3K
Evaluación de las métricas de tamaño de la lesión miocárdica utilizando la forma de onda de la presión carotídea:
Jiajun Li1, Rashid Alavi2,3, Wangde Dai3,4
1Department of Aerospace and Mechanical Engineering, University of Southern California, Los Angeles, California, USA.
Resumen
El análisis de aprendizaje automático de las formas de onda de presión carotídea cuantifica con precisión el tamaño de la lesión del infarto de miocardio (IM). Este método no invasivo muestra potencial para el monitoreo remoto del paciente y la mejora de los resultados post-MI.
Área de la Ciencia:
- Fisiología cardiovascular
- Ingeniería biomédica
- Aprendizaje automático en medicina
Sus antecedentes:
- El infarto de miocardio (IM) es una causa primaria de insuficiencia cardíaca, lo que requiere una evaluación precisa de la lesión del miocardio.
- Los determinantes clave de los resultados a largo plazo después del infarto incluyen el tamaño del infarto, la zona de riesgo isquémico y el área de no reflujo.
- Los métodos actuales para cuantificar la lesión de MI pueden ser invasivos o carecer de precisión.
Objetivo del estudio:
- Evaluar la eficacia del aprendizaje automático de la frecuencia intrínseca (IF) de las ondas de presión carotídea para cuantificar el tamaño de la lesión miocárdica.
- Determinar si este enfoque puede evaluar con precisión el tamaño del infarto, la zona de riesgo isquémico y el área de no reflujo después del infarto.
- Explorar el potencial de traducción del análisis no invasivo de la forma de onda carotídea para el tratamiento posterior al infarto.
Principales métodos:
- El infarto agudo de miocardio (IM) fue inducido en ratas Sprague-Dawley (N=88) utilizando un modelo de oclusión/ reperfusión coronaria.
- El tamaño de la lesión miocárdica se determinó por histopatología.
- Las métricas de frecuencia intrínseca (IF) se extrajeron de las ondas de presión carotídea y se analizaron utilizando clasificadores ML, desarrollados y probados en cohortes de ratas separadas.
Principales resultados:
- El modelo ML logró una alta precisión en la clasificación del tamaño del infarto (0,95), la zona de riesgo isquémico (0,85) y el área sin reflujo (0,88).
- Las métricas de rendimiento específicas incluían una alta sensibilidad y especificidad para todas las evaluaciones del perjuicio.
- El enfoque IF-ML demostró una clasificación robusta de la gravedad de la lesión miocárdica inducida por el infarto de miocardio.
Conclusiones:
- Un enfoque de ML basado en la física híbrida que utiliza formas de onda de presión carotídea clasifica efectivamente la gravedad de la lesión del infarto de miocardio.
- Este método no invasivo, potencialmente con capacidad remota, ofrece una herramienta prometedora para el monitoreo de pacientes después del infarto.
- Los hallazgos sugieren un potencial traslacional significativo para mejorar las intervenciones oportunas y mitigar los resultados adversos después del infarto.
