Algoritmo de ECG basado en imágenes que mejora el acceso a la atención en entornos remotos
Resumen de estudio para preprocesamiento de formas de onda y transformación de imágenes para modelado. Crédito: Nature Communications (2022). DOI: 10.1038/s41467-022-29153-3
Los investigadores del laboratorio de ciencia de datos cardiovasculares (CarDS) de Yale han desarrollado un modelo basado en inteligencia artificial (IA) para el diagnóstico clínico que puede usar imágenes de electrocardiograma (ECG), independientemente de formato o diseño, para diagnosticar múltiples trastornos del ritmo cardíaco y de la conducción.
El equipo dirigido por el Dr. Rohan Khera, profesor asistente de medicina cardiovascular, desarrolló un novedoso modelo de diagnóstico automatizado de etiquetas múltiples a partir de imágenes de ECG. ECG Dx es la última herramienta de CarDS Lab diseñada para hacer que la interpretación de ECG basada en IA sea accesible en entornos remotos. Esperan que la nueva tecnología proporcione un método mejorado para diagnosticar trastornos cardíacos clave. Los hallazgos se publicaron en Nature Communications el 24 de marzo.
El primer autor del estudio es Veer Sangha, estudiante de informática en la Universidad de Yale. «Nuestro estudio sugiere que los modelos de imagen y señal se desempeñaron de manera comparable para las etiquetas clínicas en múltiples conjuntos de datos», dijo Sangha. «Nuestro enfoque podría expandir las aplicaciones de la inteligencia artificial a la atención clínica para enfrentar desafíos cada vez más complejos».
A medida que mejora la tecnología móvil, los pacientes tienen cada vez más acceso a imágenes de ECG, lo que plantea nuevas preguntas sobre cómo incorporar estos dispositivos en atencion al paciente. Bajo la tutoría de Khera, la investigación de Sangha en CarDS Lab analiza entradas multimodales de registros de salud electrónicos para diseñar posibles soluciones.
El modelo se basa en datos recopilados de más de 2 millones de ECG de más de 1,5 millones de pacientes que recibieron atención en Brasil de 2010 a 2017. Uno de cada seis pacientes fue diagnosticado con trastornos del ritmo. La herramienta se validó de forma independiente a través de múltiples fuentes de datos internacionales, con alta precisión para el diagnóstico clínico a partir de ECG.
Los enfoques de aprendizaje automático (ML), específicamente aquellos que utilizan el 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, según Khera, no se han optimizado para entornos de atención médica remotos. Los modelos basados en imágenes pueden ofrecer mejoras en el diagnóstico automatizado de los ECG.
Hay una serie de desafíos clínicos y técnicos al usar 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 múltiples anormalidades de ECG coexisten», dijo Khera.
«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 Al respecto, puede funcionar como lectores humanos expertos, identificando múltiples diagnósticos clínicos en diferentes formatos de ECG impresos que varían entre hospitales y países».
Explore más
El uso de IA en el análisis de electrocardiogramas puede mejorar el diagnóstico y el tratamiento de la miocardiopatía hipertrófica Más información: Veer Sangha et al, Diagnóstico multietiqueta automatizado en imágenes y señales electrocardiográficas, Nature Communications (2022) ). DOI: 10.1038/s41467-022-29153-3 Información del diario: Nature Communications
Proporcionado por la Universidad de Yale Cita: Algoritmo de ECG basado en imágenes mejora el acceso a la atención en configuración remota (2022, 31 de marzo) recuperado el 29 de agosto de 2022 de https://medicalxpress.com/news/2022-03-image-based-ecg-algorithm-access-remote.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.