Predicción de parámetros de volumen de la aurícula izquierda a partir de ECG en reposo y datos tabulares utilizando...

Área de la Ciencia:

• Cardiología
• Inteligencia Artificial
• Imágenes Médicas

Sus antecedentes:

• El volumen de la aurícula izquierda (AI) es un indicador crítico de la salud cardiovascular.
• La imagen por resonancia magnética (RM) es el estándar de oro para la medición del volumen de la AI, pero es costosa y no es ampliamente accesible.
• Existe la necesidad de métodos escalables y de bajo costo para la evaluación del volumen de la AI.

Objetivo del estudio:

• Desarrollar y validar un modelo de aprendizaje profundo para predecir el volumen de la aurícula izquierda (AI).
• Utilizar grabaciones estándar de electrocardiograma (ECG) de 12 derivaciones y datos básicos del paciente como entrada.
• Proporcionar una alternativa interpretable y rentable a la cuantificación del volumen de la AI basada en RM.

Principales métodos:

• Se entrenó un modelo de aprendizaje profundo para realizar regresión sobre los objetivos de volumen de la AI.
• El modelo incorporó datos estándar de ECG de 12 derivaciones y datos demográficos básicos del paciente (por ejemplo, peso, altura).
• Se emplearon valores de Shapley para interpretar la importancia de las características y comprender las predicciones del modelo.

Principales resultados:

• El modelo de aprendizaje profundo predijo con precisión el volumen de la AI a partir de datos de ECG y del paciente.
• Las señales de ECG se identificaron como predictores significativos del volumen de la AI.
• Se descubrió que las características del paciente, como el peso y la altura, contribuyen significativamente a la estimación del volumen.

Conclusiones:

• Los modelos de aprendizaje profundo pueden predecir eficazmente el volumen de la aurícula izquierda (AI) utilizando datos de ECG y del paciente fácilmente disponibles.
• Este enfoque presenta una alternativa escalable y de bajo costo a la RM para la evaluación del volumen de la AI.
• La interpretabilidad del modelo a través de los valores de Shapley mejora la confianza y la comprensión clínica.