RiskCardio: un modelo de aprendizaje automático que predice muertes cardiovasculares

 

La enfermedad cardiovascular (ECV) es una causa importante de muerte y discapacidad en todo el mundo. Según un estudio realizado en 21 países, es probable que el cincuenta y tres por ciento de los indios muera de enfermedades cardiovasculares antes de cumplir 70 años, en comparación con el 23% de europeos.

El estudio encontró que 14 factores de riesgo explican el mayor número de eventos cardiovasculares, como ataque cardíaco, insuficiencia cardíaca, accidente cerebrovascular y muerte por enfermedad cardíaca. Son hipertensión, colesterol alto, contaminación ambiental y doméstica, consumo de tabaco, dieta pobre, diabetes, consumo excesivo de alcohol, falta de actividad física, ingesta de sodio, obesidad, depresión, etc. Se puede evitar un número significativo de riesgos si Hacemos algunos cambios de estilo de vida.

En un esfuerzo por predecir el riesgo de muerte cardiovascular de un paciente, un equipo de investigadores del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del MIT ha creado un modelo de aprendizaje automático llamado «RiskCardio» que utiliza una señal de electrocardiograma (ECG) sin procesar del paciente para producir un puntaje que ubica a los pacientes en diferentes categorías de riesgo.

Los pacientes de alto riesgo de RiskCardio que se encuentran en el cuartil superior tienen casi siete veces más probabilidades de morir de riesgo cardiovascular en comparación con el grupo de bajo riesgo. Según las métricas de riesgo existentes, los pacientes de alto riesgo tienen tres veces más probabilidades de sufrir un evento adverso en comparación con sus contrapartes de bajo riesgo. Los modelos de aprendizaje automático existentes intentan estimar el riesgo evaluando información del paciente como la edad o el peso. Pero RiskCardio utiliza la señal de ECG sin procesar de los pacientes, sin información adicional.

Según los investigadores, RiskCardio tiene como objetivo mejorar el primer paso para estimar el riesgo. Para esto, el sistema se entrenó con datos de pacientes anteriores, que sobrevivieron a un síndrome coronario agudo (SCA) que se refiere a una variedad de afecciones, como la reducción o el bloqueo de la sangre al corazón. Dentro de los primeros 15 minutos de un paciente que experimenta un SCA, el sistema puede estimar si sufrirá o no un incidente cardiovascular dentro de los 30, 60, 90 o 365 días.

Para construir el modelo, el equipo primero separó la señal de ECG de cada paciente en una colección de latidos cardíacos adyacentes y asignó una etiqueta a cada conjunto de pulsos adyacentes, según los resultados del paciente. Por ejemplo, los latidos del corazón de los pacientes que murieron fueron etiquetados como «riesgosos», mientras que los latidos del corazón de los que sobrevivieron fueron etiquetados como «normales». El equipo creó una puntuación de riesgo dada a un nuevo paciente promediando la predicción del paciente de cada conjunto de latidos cardíacos adyacentes.

El equipo descubrió que en aproximadamente 1,250 pacientes post-ACS, 28 morirían de muerte cardiovascular dentro de un año. Utilizando la puntuación de riesgo propuesta, 19 de esos 28 pacientes fueron clasificados como de alto riesgo. El plan futuro del equipo es hacer que el conjunto de datos sea más inclusivo de diferentes edades, etnias y géneros. También planea usar el modelo para examinar escenarios médicos con datos mal etiquetados o sin etiquetar, y evaluar cómo procesa y maneja la información en casos más ambiguos.

 

Leave a Comment!