El importante uso de las líneas de conductancia cardíaca
Dejar un mensaje
Las enfermedades cardiovasculares son la primera causa de muerte en China, con más de 544.{1}} casos de muerte súbita de origen central cada año, y su incidencia va en aumento con el cambio de estilo de vida y el envejecimiento de la población. .
La muerte súbita cardíaca (MSC) es una muerte inesperada por causas cardíacas, que generalmente ocurre dentro de una hora después del inicio de los síntomas de la enfermedad cardíaca, caracterizada por pérdida repentina del conocimiento, cese repentino de la actividad cardíaca e insuficiencia hemodinámica, generalmente debido a una taquicardia ventricular persistente. o fibrilación ventricular.
Por lo tanto, identificar a las personas con alto riesgo de ECF puede ser de gran ayuda para prevenir la enfermedad.
Un electrocardiograma (ECG) es un método ampliamente utilizado para detectar la actividad eléctrica del corazón, y el estándar clínico habitual utiliza un 12-ECG de derivación para evaluar la salud del corazón de un paciente. Como componente clave que conecta el cuerpo del paciente con el Instrumento de electrocardiograma, el cable de conductancia cardíaca juega un papel vital en la calidad de la señal del electrocardiograma.
Según un nuevo estudio publicado en Communications Medicine, una de las revistas científicas más importantes del mundo, el modelo de aprendizaje profundo basado en ECG para evaluar el riesgo de ECG puede distinguir con mayor precisión los casos de ECG de los grupos de control que el modelo de riesgo de ECG tradicional. Esto ayudará a los médicos examinar e identificar a las personas con mayor riesgo de sufrir ECF, de modo que puedan hacerse pruebas periódicamente para prevenir que se produzca la ECF.
El equipo utilizó datos de dos estudios extrahospitalarios de ECF en curso, prospectivos, basados en la comunidad y geográficamente independientes, con una muestra total de 2.510 casos de ECF. Los modelos de aprendizaje profundo (DL) se entrenaron, validaron y probaron en 1796 datos del Estudio de muerte accidental súbita de SCD de Oregón, EE. UU. (Oregon SUDS), y se validaron externamente en 714 datos del Estudio de predicción de muerte súbita de comunidades multiétnicas en el condado de Ventura, California. (Ventura PRESTO). Se incluyeron en el estudio todos los casos de electrocardiogramas de derivación 12- en reposo disponibles para análisis, que se registraron antes de la MSC y no se asociaron con eventos de MSC, excluyendo ECG con ritmo de estimulación, fibrilación auricular o aleteo auricular a priori para crear un modelo DL que podría aplicarse a electrocardiogramas de ritmo sinusal.
El equipo desarrolló un modelo de red neuronal convolucional capaz de identificar casos de ECG mediante 12-formas de onda de ECG de derivación. Los investigadores obtuvieron dos muestras de control independientes de 1.342 electrocardiogramas de 1.325 personas que tenían al menos el 50 por ciento de enfermedad de las arterias coronarias. Entrenaron el modelo utilizando 1076 casos de SCD de Oregon SUDS y 1101 12-ECG de derivación antes del paro cardíaco, 597 casos de SCD del grupo de control y 613 12-ECG de derivación. Se utilizó una cohorte de validación separada, compuesta por 366 ECG previos al paro cardíaco y 200 ECG de control, para determinar cuándo detener el entrenamiento del modelo. Las muestras del estudio se dividieron por nivel de paciente para poder incluir múltiples electrocardiogramas del mismo paciente en la misma cohorte.
En comparación con los modelos de ECG tradicionales, el modelo DL basado en la forma de onda del ECG de {{0}}derivación fue más preciso para identificar casos de ECF, con un AUROC (una medida de evaluación de redes neuronales) de cohorte interna de 0. 889 y un AUROC validado externamente de 0,820, y fue mejor que la puntuación de riesgo de ECG tradicional. Este es el primer informe de que un modelo DL basado en ECG supera a los modelos de riesgo de ECG tradicionales en la predicción de MSC extrahospitalaria a nivel comunitario.
