Validación externa de un algoritmo de aprendizaje profundo explicable solo con electrocardiograma para la predicción...

Área de la Ciencia:

• Cardiología
• Inteligencia Artificial
• Diagnóstico Médico

Sus antecedentes:

• La terapia de resincronización cardíaca (TRC) mejora los resultados en pacientes con insuficiencia cardíaca con contracciones disincrónicas.
• Sin embargo, una parte importante de los pacientes seleccionados por las directrices actuales no responden a la TRC.
• La predicción de la respuesta a la TRC sigue siendo un desafío clínico.

Objetivo del estudio:

• Validar externamente la canalización FactorECG, un modelo explicable de aprendizaje profundo, para predecir la respuesta al marcapasos biventricular (BIVP).
• Evaluar el rendimiento del modelo FactorECG en una nueva cohorte de pacientes.
• Investigar el valor añadido de los predictores clínicos y de imagen cardíaca.

Principales métodos:

• Se utilizó un algoritmo de aprendizaje profundo entrenado con más de 1 millón de ECG para extraer 21 factores explicables.
• Se desarrolló un modelo predictivo de no respuesta volumétrica y mal pronóstico utilizando estos factores.
• El modelo se validó externamente en 161 pacientes con TRC de la Universidad de Virginia.

Principales resultados:

• El modelo FactorECG superó significativamente los criterios AHA para el bloqueo de rama izquierda (LBBB) en la predicción de la falta de respuesta (estadístico c 0,67 frente a 0,51).
• Un modelo FactorECG reajustado que integra índices de disincronía mecánica mostró un rendimiento comparable (estadístico c 0,74 frente a 0,70).
• La combinación de ambos modelos mejoró la predicción de respuesta (estadístico c 0,79).

Conclusiones:

• El algoritmo explicable solo con ECG FactorECG demostró una buena generalización para predecir la falta de respuesta a la TRC en una población externa de menor riesgo.
• El rendimiento del modelo fue sólido en diferentes entornos sanitarios.
• La integración de datos de disincronía mecánica y función del ventrículo derecho puede mejorar aún más la predicción de la respuesta volumétrica.