Modelo de Aprendizaje Automático Basado en ECG de Derivación Única para la Detección No Invasiva de Hipertrofia...

Área de la Ciencia:

• Cardiología
• Ingeniería Biomédica
• Aprendizaje Automático en Salud

Sus antecedentes:

• La clasificación de la hipertrofia ventricular izquierda (HVI) depende del grosor relativo de la pared del ventrículo izquierdo.
• Los modelos de aprendizaje automático (ML) pueden detectar HVI utilizando datos clínicos básicos y características de ECG de derivación única.
• Este estudio se centró en una población hipertensa sin enfermedad cardiovascular preexistente.

Objetivo del estudio:

• Detectar la hipertrofia ventricular izquierda (HVI) en individuos hipertensos utilizando aprendizaje automático.
• Analizar el poder predictivo de los parámetros clínicos y las características del ECG de derivación única para la detección de HVI.
• Comparar el rendimiento de los modelos Random Forest, regresión logística y redes neuronales convolucionales.

Principales métodos:

• Se inscribieron 812 sujetos hipertensos sin enfermedad cardiovascular.
• Los sujetos se clasificaron en grupos de no HVI (geometría normal, remodelación concéntrica) y HVI (hipertrofia concéntrica, excéntrica) según LVMi y RWT.
• Se entrenó un modelo Random Forest para la clasificación, con análisis de la importancia de las características utilizando SHAP.

Principales resultados:

• El modelo Random Forest logró un ROC/AUC de 0.82 para distinguir HVI de no HVI.
• La especificidad fue del 81% y la sensibilidad del 58% con un umbral de 0.3.
• Las características predictivas importantes incluyeron la edad, el intervalo QT corregido, la duración de la onda T y el sexo femenino.

Conclusiones:

• El análisis del ECG de derivación única combinado con datos clínicos muestra un fuerte rendimiento en la detección de HVI.
• El intervalo QT corregido y la morfología de la onda T son características clave del ECG para la identificación de HVI.
• Estos hallazgos respaldan la integración de la detección de ECG no invasiva para afecciones como la HVI en dispositivos portátiles.