Algoritmo de ECG basado en imágenes utiliza IA para diagnosticar trastornos cardíacos clave

A medida que mejora la tecnología móvil, los pacientes tienen cada vez más acceso a imágenes de electrocardiogramas (ECG), lo que plantea nuevas preguntas sobre cómo incorporar estos dispositivos en la atención al paciente. Los enfoques de aprendizaje automático (ML), específicamente aquellos que usan aprendizaje profundo, han transformado la toma de decisiones de diagnóstico automatizada. Para los ECG, han llevado al desarrollo de herramientas que permiten a los médicos encontrar patrones ocultos o complejos. Sin embargo, las herramientas de aprendizaje profundo utilizan modelos basados ​​en señales, que no se han optimizado para entornos de atención médica remotos. Los investigadores ahora han desarrollado un modelo basado en inteligencia artificial (IA) para el diagnóstico clínico que puede usar imágenes de ECG, independientemente del formato o el diseño, para diagnosticar múltiples trastornos del ritmo cardíaco y la conducción.

El laboratorio de ciencia de datos cardiovasculares (CarDS) de Yale (New Haven, CT, EUA) ha desarrollado ECG Dx, un novedoso modelo de diagnóstico automatizado de etiquetas múltiples a partir de imágenes de ECG diseñado para hacer que la interpretación de ECG basada en IA sea accesible en entornos remotos. Los investigadores que analizan las entradas multimodales de los registros de salud electrónicos para diseñar posibles soluciones esperan que la nueva tecnología proporcione un método mejorado para diagnosticar trastornos cardíacos clave. El modelo se basa en datos recopilados de más de dos millones de ECG de 1.506.112 pacientes que recibieron atención en Brasil entre 2010 y 2017. Uno de cada seis pacientes fue diagnosticado con trastornos del ritmo. La herramienta fue validada de forma independiente a través de múltiples fuentes de datos internacionales, con alta precisión para el diagnóstico clínico a partir de ECG. Hay una serie de desafíos clínicos y técnicos cuando se utilizan aplicaciones basadas en IA.

“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 de ECG”, dijo Rohan Khera MD, MS, profesor asistente en medicina cardiovascular, quien dirigió el equipo de investigadores. “Un avance clave es que la tecnología está diseñada para ser inteligente: no depende de diseños de ECG específicos y puede adaptarse a variaciones existentes y nuevos diseños. En ese sentido, puede funcionar como lectores humanos expertos, identificando múltiples diagnósticos clínicos en diferentes formatos de ECG impresos que varían entre hospitales y países”.

Enlaces relacionados:
CarDS Lab