El modelo de Inteligencia Artificial (IA), utiliza imágenes de electrocardiogramas para diagnosticar diferentes enfermedades cardiacas.
Investigadores del Yale Cardiovascular Data Science (CarDS) Lab, de la escuela de Medicina de Yale, lograron desarrollaron un modelo basado en IA, que ayuda a mejorar el diagnóstico de arritmia cardíaca a través del análisis de imágenes de electrocardiogramas (ECG).
El equipo liderado por el especialista Rohan Khera, profesor asistente de medicina cardiovascular, explicó que la mayoría de las herramientas basadas en IA están diseñadas para desordenes clínicos individuales, por lo que tienen una utilidad limitada.
En este caso, la solución diseñada por CarDS Lab, tiene como objetivo mejorar la interpretación de ECG incluso de manera remota. Los resultados de la investigación fueron publicados en Nature: https://www.nature.com/articles/s41467-022-29153-3.
La investigación detalla que es posible mejorar la atención y diagnóstico basado en ECG en entornos remotos, por ello desarrollaron un modelo de diagnóstico automatizado multimarca para imágenes electrocardiográficas, más adecuado para un uso más amplio”.
El estudio muestra que, a través de 2,228,236 señales de ECG de 12 derivaciones en 811 municipios de Brasil se transforman en imágenes de ECG en diferentes conformaciones de derivaciones para entrenar una red neuronal convolucional (CNN).
Los datos corresponden a pacientes en Brasil que fueron atendidos entre 2010 y 2017. De los cuales uno de cada seis pacientes fue diagnosticado con alteraciones del ritmo cardiaco.
“Las herramientas de IA actuales se basan en señales electrocardiográficas sin procesar en lugar de imágenes almacenadas, que son mucho más comunes ya que los ECG a menudo se imprimen y escanean como imágenes. Además, muchas herramientas de diagnóstico basadas en IA están diseñadas para trastornos clínicos individuales y, por lo tanto, pueden tener una utilidad limitada en un entorno clínico donde coexisten múltiples anomalías en el ECG”, explicó Khera.
Otro punto que destacó Khera, fue que se trata de un modelo inteligente que no depende de diseños específicos de ECG, ya que tiene la capacidad de adaptarse a nuevos diseños. De esta forma puede mejorar y apoyar el trabajo de lectores humanos expertos.
De esta forma el modelo tiene el potencial de expandir la aplicación de la IA en la atención clínica, específicamente en técnicas basadas en ECG, según explicó Veer Sangha, autor principal del estudio.
