Síndrome de Wolff-Parkinson-White: Comparación de diferentes algoritmos

Área de la Ciencia:

• Cardiología
• Imágenes Médicas
• Inteligencia Artificial

Sus antecedentes:

• El síndrome de Wolff-Parkinson-White (WPW) implica vías accesorias que eluden la conducción cardíaca normal.
• La localización precisa preprocedimiento de estas vías es crucial para una ablación eficaz, la reducción de complicaciones y la minimización de la exposición a la radiación.

Objetivo del estudio:

• Revisar y analizar sistemáticamente los algoritmos basados en ECG para la localización de vías accesorias en el síndrome de WPW.
• Comparar el rendimiento diagnóstico de los enfoques clásicos, modernos basados en reglas y de aprendizaje profundo (DL).

Principales métodos:

• Revisión sistemática de algoritmos basados en ECG para la localización de vías accesorias.
• Análisis de algoritmos basados en reglas (por ejemplo, EASY-WPW, SMART-WPW) y modelos de DL.
• Comparación de precisión, sensibilidad y especificidad frente a métodos clásicos.

Principales resultados:

• Los algoritmos clásicos mostraron una precisión variable (72%-92%).
• Los algoritmos modernos basados en reglas (EASY-WPW, SMART-WPW) lograron una alta precisión (93%-97%) con excelente sensibilidad y especificidad (>90%).
• Los enfoques de aprendizaje profundo (DL) demostraron una precisión del 84% (AUROC 0.92), superando a los algoritmos clásicos y permitiendo un análisis automatizado con variabilidad reducida.

Conclusiones:

• Los algoritmos de ECG validados y los modelos de DL son valiosos para la planificación preintervencionista en el síndrome de WPW.
• Los algoritmos modernos basados en reglas proporcionan una excelente precisión diagnóstica, superando el 90% de sensibilidad y especificidad.
• Se espera que la integración de IA y las estrategias multimodales mejoren aún más la precisión de la localización de vías accesorias.