Evaluación del riesgo de arritmia maligna basada en mediciones de ECG móviles de derivación I utilizando aprendizaje...

Área de la Ciencia:

• Cardiología; Ingeniería Biomédica; Aprendizaje Automático

Sus antecedentes:

• Las arritmias malignas representan un riesgo significativo para la salud.; La evaluación precisa y oportuna del riesgo es crucial para los resultados de los pacientes.; Los métodos actuales a menudo requieren equipos complejos o datos extensos.

Objetivo del estudio:

• Desarrollar y validar un algoritmo para estimar el riesgo de arritmia maligna utilizando solo un registro corto de ECG de derivación I.; Evaluar el rendimiento de diferentes clasificadores de aprendizaje automático para esta tarea.; Explorar el potencial para la evaluación de riesgos móvil y fuera del hospital.

Principales métodos:

• Extracción de características utilizando la media y la desviación estándar relativa de los integrales QRST latido a latido.; Entrenamiento de modelos de aprendizaje automático supervisado que incluyen 3 vecinos más cercanos (3-NN) y clasificadores bayesianos 1D/2D.; Validación utilizando un conjunto de prueba de sujetos sanos y pacientes con registros confirmados de arritmia maligna.

Principales resultados:

• El clasificador bayesiano 2D logró la mayor eficiencia de decisión (87,30 % para normal, 94,23 % para arritmia maligna).; El clasificador 3-NN también mostró un fuerte rendimiento (80,95 %, 94,23 %).; El uso del parámetro QTc arrojó una menor eficiencia en comparación con los integrales QRST.

Conclusiones:

• El algoritmo propuesto, particularmente con el clasificador bayesiano 2D, estima eficazmente el riesgo de arritmia maligna a partir de ECG de un solo canal.; Este método ofrece una herramienta valiosa para sistemas de ECG portátiles, facilitando la evaluación de riesgos fuera del hospital.; Representa un enfoque novedoso que requiere solo ECG de derivación I para una estratificación de riesgos eficiente.