{"id":44946,"date":"2024-05-10T09:35:26","date_gmt":"2024-05-10T15:35:26","guid":{"rendered":"https:\/\/saluddigital.com\/?p=44946"},"modified":"2025-10-18T21:42:30","modified_gmt":"2025-10-19T03:42:30","slug":"ia-captura-patrones-de-ecg-que-podrian-indicar-posibles-paros-cardiacos-repentinos","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/ia-captura-patrones-de-ecg-que-podrian-indicar-posibles-paros-cardiacos-repentinos\/","title":{"rendered":"IA captura patrones de ECG que podr\u00edan indicar posibles paros card\u00edacos repentinos"},"content":{"rendered":"
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Nuevos avances de investigadores de Cedars-Sinai, muestran el entrenamiento de un algoritmo de IA para detectar patrones de electrocardiogramas que han sufrido un paro card\u00edaco repentino.<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Investigadores de Cedars-Sinai, presentaron dos nuevos estudios que respaldan el uso de inteligencia artificial (IA), para predecir paros card\u00edacos repentinos, una emergencia m\u00e9dica letal, ya que en la mayor\u00eda de los casos provoca la muerte en unos minutos. Prevenir este tipo de emergencias podr\u00eda tener un impacto sumamente positivo, sin embargo, para ello es necesario desarrollar nuevas herramientas cl\u00ednicas.<\/p>

Seg\u00fan el Dr. Sumeet Chugh, director de la Divisi\u00f3n de IA en Medicina en Cedars-Sinai, y autor principal de los dos nuevos estudios, el uso de algoritmos de IA para mejorar la predicci\u00f3n de paros card\u00edacos s\u00fabitos es clave para que los m\u00e9dicos puedan identificar los pacientes con mayor riesgo de sufrir esta afecci\u00f3n.<\/p>

Los paros card\u00edacos repentinos, ocurren cuando existen camios en la actividad el\u00e9ctrica del coraz\u00f3n, lo que provoca que este deje de latir de manera s\u00fabita. Los pacientes con cardiopat\u00edas suelen tener mayores posibilidades de sufrir un accidente de este tipo, sin embargo, tambi\u00e9n puede ocurrir en pacientes sin cardiopat\u00edas conocidas.<\/p>

En este sentido, uno de los estudios publicado en Communications Medicine<\/i><\/span><\/a>, detalla el entrenamiento de un algoritmo de deep learning, para estudiar patrones en electrocardiogramas (ECG).<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

El modelo estudi\u00f3 1,827 ECG de 1,796 pacientes previo a que sufrieran un paro card\u00edaco repentino, asimismo incluy\u00f3 1,342 ECG tomados a 1,325 personas que no experimentaron un paro card\u00edaco repentino.\u00a0 <\/span>\u201cLa se\u00f1al digital completa del electrocardiograma funcion\u00f3 significativamente mejor que algunos de sus componentes\u201d, seg\u00fan explic\u00f3 el Dr. Chugh. Sin embargo, reconoci\u00f3 la importancia de continuar estudiando este modelo para poder determinar c\u00f3mo utilizarlo en un entorno cl\u00ednico.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t

\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Por otro lado, en otro estudio, publicado en Circulation: Arrhythmia and Electrophysiology<\/i><\/span><\/a>, los investigadores entrenaron un modelo de IA para diferenciar entre dos causas subyacentes de los paros card\u00edacos repentinos: la actividad el\u00e9ctrica sin pulso y la fibrilaci\u00f3n ventricular.<\/p>

\u201cLa actividad el\u00e9ctrica sin pulso significa que las se\u00f1ales el\u00e9ctricas del coraz\u00f3n son demasiado d\u00e9biles para producir un latido. No puede tratarse con un desfibrilador y a menudo conduce a la muerte. La fibrilaci\u00f3n ventricular es un tipo de latido irregular que puede hacer que el coraz\u00f3n deje de latir, pero una descarga el\u00e9ctrica de un desfibrilador puede desencadenar de nuevos latidos\u201d, explica el estudio.<\/p>

El modelo revis\u00f3 los patrones de las lecturas de los ECG, as\u00ed como las caracter\u00edsticas de los pacientes, y de esta forma los investigadores lograron determinar los factores de riesgo de ambos tipos de paro card\u00edaco s\u00fabito.<\/p>

El estudio mostr\u00f3 que las personas que sufrieron un paro card\u00edaco s\u00fabito por actividad el\u00e9ctrica sin pulso, ten\u00edan m\u00e1s probabilidades de ser adultos mayores, tener sobrepeso, padecer anemia o experimentar dificultad respiratoria como s\u00edntoma de alerta. Y, por otra parte, los pacientes que sufrieron fibrilaci\u00f3n ventricular ten\u00edan m\u00e1s probabilidades de ser m\u00e1s j\u00f3venes, haber padecido una enfermedad coronaria o haber experimentado dolor tor\u00e1cico como s\u00edntoma de alerta.<\/p>

\u201cTenemos formas de prevenir el paro card\u00edaco s\u00fabito mediante tecnolog\u00edas como el desfibrilador, pero el reto es saber qui\u00e9n tiene m\u00e1s probabilidades de beneficiarse de esta intervenci\u00f3n\u201d explic\u00f3 el Dr. Lauri Holmstrom, primer autor de ambos estudios. \u201cEstos hallazgos podr\u00edan ayudar a los cardi\u00f3logos a identificar qu\u00e9 pacientes tienen m\u00e1s probabilidades de sufrir un paro card\u00edaco s\u00fabito por actividad el\u00e9ctrica sin pulso o un paro card\u00edaco s\u00fabito por fibrilaci\u00f3n ventricular, y ayudarles a prevenir que se produzcan estos eventos\u201d, agreg\u00f3.<\/p>

En resumen, estos estudios muestran un potencial significativo de la IA para detectar patrones en el organismo y as\u00ed evitar emergencias m\u00e9dicas que pueden llegar a ser letales. No obstante, como apuntan los autores, es importante continuar estudiando el uso de estos modelos para alcanzar su aplicaci\u00f3n cl\u00ednica.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t BIBLIOGRAPHY<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

AHA JOURNALS<\/b><\/p>

https:\/\/www.ahajournals.org\/doi\/full\/10.1161\/CIRCEP.123.012338?af=R<\/a><\/span><\/p>

NATURE<\/b><\/p>

https:\/\/www.nature.com\/articles\/s43856-024-00451-9<\/a><\/span><\/p>

CEDARS-SINAI<\/b><\/p>

https:\/\/www.cedars-sinai.org\/newsroom\/nuevos-estudios-ia-captura-patrones-de-electrocardiograma-que-podrian-indicar-un-futuro-paro-cardiaco-repentino\/<\/a><\/span><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

Nuevos avances de investigadores de Cedars-Sinai, muestran el entrenamiento de un algoritmo de IA para detectar patrones de electrocardiogramas que han sufrido un paro card\u00edaco repentino. Investigadores de Cedars-Sinai, presentaron dos nuevos estudios que respaldan el uso de inteligencia artificial (IA), para predecir paros card\u00edacos repentinos, una emergencia m\u00e9dica letal, ya que en la mayor\u00eda de los casos provoca la muerte en unos minutos. Prevenir este tipo de emergencias podr\u00eda tener un impacto sumamente positivo, sin embargo, para ello es necesario desarrollar nuevas herramientas cl\u00ednicas. Seg\u00fan el Dr. Sumeet Chugh, director de la Divisi\u00f3n de IA en Medicina en Cedars-Sinai, y autor principal de los dos nuevos estudios, el uso de algoritmos de IA para mejorar la predicci\u00f3n de paros card\u00edacos s\u00fabitos es clave para que los m\u00e9dicos puedan identificar los pacientes con mayor riesgo de sufrir esta afecci\u00f3n. Los paros card\u00edacos repentinos, ocurren cuando existen camios en la actividad el\u00e9ctrica del coraz\u00f3n, lo que provoca que este deje de latir de manera s\u00fabita. Los pacientes con cardiopat\u00edas suelen tener mayores posibilidades de sufrir un accidente de este tipo, sin embargo, tambi\u00e9n puede ocurrir en pacientes sin cardiopat\u00edas conocidas. En este sentido, uno de los estudios publicado en Communications Medicine, detalla el entrenamiento de un algoritmo de deep learning, para estudiar patrones en electrocardiogramas (ECG). El modelo estudi\u00f3 1,827 ECG de 1,796 pacientes previo a que sufrieran un paro card\u00edaco repentino, asimismo incluy\u00f3 1,342 ECG tomados a 1,325 personas que no experimentaron un paro card\u00edaco repentino.\u00a0 \u201cLa se\u00f1al digital completa del electrocardiograma funcion\u00f3 significativamente mejor que algunos de sus componentes\u201d, seg\u00fan explic\u00f3 el Dr. Chugh. Sin embargo, reconoci\u00f3 la importancia de continuar estudiando este modelo para poder determinar c\u00f3mo utilizarlo en un entorno cl\u00ednico. Por otro lado, en otro estudio, publicado en Circulation: Arrhythmia and Electrophysiology, los investigadores entrenaron un modelo de IA para diferenciar entre dos causas subyacentes de los paros card\u00edacos repentinos: la actividad el\u00e9ctrica sin pulso y la fibrilaci\u00f3n ventricular. \u201cLa actividad el\u00e9ctrica sin pulso significa que las se\u00f1ales el\u00e9ctricas del coraz\u00f3n son demasiado d\u00e9biles para producir un latido. No puede tratarse con un desfibrilador y a menudo conduce a la muerte. La fibrilaci\u00f3n ventricular es un tipo de latido irregular que puede hacer que el coraz\u00f3n deje de latir, pero una descarga el\u00e9ctrica de un desfibrilador puede desencadenar de nuevos latidos\u201d, explica el estudio. El modelo revis\u00f3 los patrones de las lecturas de los ECG, as\u00ed como las caracter\u00edsticas de los pacientes, y de esta forma los investigadores lograron determinar los factores de riesgo de ambos tipos de paro card\u00edaco s\u00fabito. El estudio mostr\u00f3 que las personas que sufrieron un paro card\u00edaco s\u00fabito por actividad el\u00e9ctrica sin pulso, ten\u00edan m\u00e1s probabilidades de ser adultos mayores, tener sobrepeso, padecer anemia o experimentar dificultad respiratoria como s\u00edntoma de alerta. Y, por otra parte, los pacientes que sufrieron fibrilaci\u00f3n ventricular ten\u00edan m\u00e1s probabilidades de ser m\u00e1s j\u00f3venes, haber padecido una enfermedad coronaria o haber experimentado dolor tor\u00e1cico como s\u00edntoma de alerta. \u201cTenemos formas de prevenir el paro card\u00edaco s\u00fabito mediante tecnolog\u00edas como el desfibrilador, pero el reto es saber qui\u00e9n tiene m\u00e1s probabilidades de beneficiarse de esta intervenci\u00f3n\u201d explic\u00f3 el Dr. Lauri Holmstrom, primer autor de ambos estudios. \u201cEstos hallazgos podr\u00edan ayudar a los cardi\u00f3logos a identificar qu\u00e9 pacientes tienen m\u00e1s probabilidades de sufrir un paro card\u00edaco s\u00fabito por actividad el\u00e9ctrica sin pulso o un paro card\u00edaco s\u00fabito por fibrilaci\u00f3n ventricular, y ayudarles a prevenir que se produzcan estos eventos\u201d, agreg\u00f3. En resumen, estos estudios muestran un potencial significativo de la IA para detectar patrones en el organismo y as\u00ed evitar emergencias m\u00e9dicas que pueden llegar a ser letales. No obstante, como apuntan los autores, es importante continuar estudiando el uso de estos modelos para alcanzar su aplicaci\u00f3n cl\u00ednica. BIBLIOGRAF\u00cdA AHA JOURNALS https:\/\/www.ahajournals.org\/doi\/full\/10.1161\/CIRCEP.123.012338?af=R NATURE https:\/\/www.nature.com\/articles\/s43856-024-00451-9 CEDARS-SINAI https:\/\/www.cedars-sinai.org\/newsroom\/nuevos-estudios-ia-captura-patrones-de-electrocardiograma-que-podrian-indicar-un-futuro-paro-cardiaco-repentino\/<\/p>","protected":false},"author":1,"featured_media":44948,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-44946","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-big-data","category-noticias","tag-noticias"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/44946","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/comments?post=44946"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/44946\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/44948"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=44946"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=44946"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=44946"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}