Un enfoque híbrido CNN-SVM para el diagnóstico diferencial multiclase basado en ECG del TEPT, la depresión y el...

Área de la Ciencia:

• Ingeniería Biomédica
• Inteligencia Artificial en Salud
• Cardiología

Sus antecedentes:

• El diagnóstico del Trastorno de Estrés Postraumático (TEPT) es complejo debido a la superposición de síntomas con la depresión y los ataques de pánico, lo que lleva a un diagnóstico erróneo.
• Los métodos de diagnóstico actuales para el TEPT carecen de biomarcadores objetivos, lo que dificulta un tratamiento oportuno y preciso.
• Se propone un marco de IA híbrido que integra Redes Neuronales Convolucionales (CNN) y Máquinas de Vectores de Soporte (SVM) para la detección del TEPT utilizando señales de Electrocardiograma (ECG).

Objetivo del estudio:

• Desarrollar y validar un nuevo sistema impulsado por IA para el diagnóstico objetivo del TEPT.
• Diferenciar el TEPT de otras afecciones psiquiátricas como la depresión y los ataques de pánico utilizando datos de ECG.
• Establecer la eficacia de un enfoque híbrido CNN-SVM para la detección del TEPT a nivel clínico.

Principales métodos:

• Se analizaron datos de ECG de 79 participantes (TEPT, depresión, ataque de pánico y controles sanos).
• Se utilizó la transformada de Wavelet para crear escalogramas a partir de señales de ECG.
• Tres modelos CNN (AlexNet, GoogLeNet, ResNet50) extrajeron características profundas, que luego fueron clasificadas por SVM, empleando validación cruzada de cinco pliegues.

Principales resultados:

• Los modelos híbridos, en particular ResNet50+SVM y AlexNet+SVM, demostraron alta precisión (97,05 % y 97,26 %) y un Área bajo la curva (AUC) de 1,00 para tareas multiclase.
• El sistema de IA detectó con precisión el TEPT y lo diferenció de la depresión y los ataques de pánico.
• El enfoque híbrido superó significativamente a los modelos CNN independientes, lo que resalta el beneficio de la integración de SVM.

Conclusiones:

• Este estudio presenta el primer marco de IA basado en ECG para el diagnóstico del TEPT, logrando una precisión a nivel clínico.
• El modelo de IA híbrido distingue eficazmente el TEPT de la depresión y los ataques de pánico, ofreciendo biomarcadores objetivos para la evaluación psiquiátrica.
• El sistema desarrollado facilita la detección temprana del TEPT, allanando el camino para una intervención oportuna y mejores resultados para los pacientes.