Desarrollo de un clasificador de imágenes con una herramienta Non-Code para procesamiento de electrocardiograma con IAM
Barra lateral del artículo
Contenido principal del artículo
Resumen
El infarto agudo de miocardio con elevación del ST representa una emergencia médica que requiere una intervención inmediata. Se evaluó un modelo de inteligencia artificial multimodal que integró datos visuales de electrocardiogramas y texto clínico, con el fin de mejorar la precisión diagnóstica en comparación con la evaluación realizada por especialistas. El estudio fue de tipo observacional retrospectivo, empleando datos previamente recolectados. Se aplicaron procesos de limpieza de imágenes y textos, se utilizó una arquitectura basada en redes neuronales convolucionales y recurrentes, así como se realizó una validación cruzada con métricas como área bajo la curva y F1-score. Los resultados mostraron una precisión diagnóstica del 90% para la identificación de infarto de miocardio con elevación del segmento ST y una concordancia con el especialista medida por el coeficiente Kappa de Cohen de 0.90. Estos hallazgos indicaron que el modelo multimodal podría representar una herramienta eficaz para apoyar el diagnóstico clínico. Se concluyó que es necesaria la optimización del modelo para clasificar electrocardiogramas normales y su reentrenamiento con datos poblacionales específicos para evitar sobreajuste.
Descargas
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Este trabajo tiene la licencia CC BY-NC-ND 4.0
Citas
Ayyad, M., Albandak, M., Gala, D., Alqeeq, B., Baniowda, M., Pally, J., & Allencherril, J. (2025). Reevaluating STEMI: The Utility of the Occlusive Myocardial Infarction Classification to Enhance Management of Acute Coronary Syndromes. Current Cardiology Reports, 27(1), 75. https://doi.org/10.1007/s11886-025-02217-8 DOI: https://doi.org/10.1007/s11886-025-02217-8
Herman, R., Kisova, T., Belmonte, M., Wilgenhof, A., Toth, G., Demolder, A., Rafajdus, A., Meyers, H. P., Smith, S. W., Bartunek, J., & Barbato, E. (2025). Artificial Intelligence-Powered Electrocardiogram Detecting Culprit Vessel Blood Flow Abnormality: AI-ECG TIMI Study Design and Rationale. Journal of the Society for Cardiovascular Angiography & Interventions, 4(3Part B), 102494. https://doi.org/10.1016/j.jscai.2024.102494 DOI: https://doi.org/10.1016/j.jscai.2024.102494
La, S., Tavella, R., Wu, J., Spertus, J. A., Pasupathy, S., Girolamo, O., Zeitz, C., Worthley, M., Arstall, M., Sinhal, A., & Beltrame, J. F. (2025). The patient journey in chronic coronary syndromes with/without obstructive coronary arteries. European Heart Journal - Quality of Care and Clinical Outcomes, 0, 1–10. https://doi.org/10.1093/EHJQCCO/QCAF012 DOI: https://doi.org/10.1093/eurheartj/ehae666.1330
Saranya, P., & Vennila, C. (2025). Myocardial Infarction Detection using Variational Mode Decomposition with Fuzzy Weight Particle Swarm Optimization and Depthwise Separable Convolutional Network. Computers in Biology and Medicine, 193. https://doi.org/10.1016/J.COMPBIOMED.2025.110329 DOI: https://doi.org/10.1016/j.compbiomed.2025.110329
Shah, T., Kapadia, S., Lansky, A. J., & Grines, C. L. (2022). ST-segment elevation myocardial infarction: sex differences in incidence, etiology, treatment, and outcomes. Springer, 24(5), 529–540. https://doi.org/10.1007/S11886-022-01676-7 DOI: https://doi.org/10.1007/s11886-022-01676-7
Strodthoff, N., Wagner, P., Schaeffter, T., & Samek, W. (2021). Deep Learning for ECG Analysis: Benchmarks and Insights from PTB-XL. IEEE Journal of Biomedical and Health Informatics, 25(5), 1519–1528. https://doi.org/10.1109/JBHI.2020.3022989 DOI: https://doi.org/10.1109/JBHI.2020.3022989
Tognola, C., Maloberti, A., Varrenti, M., Mazzone, P., Giannattasio, C., & Guarracini, F. (2025). Myocardial Infarction with Nonobstructive Coronary Arteries (MINOCA): Current Insights into Pathophysiology, Diagnosis, and Management. Diagnostics, 15(7), 942. https://doi.org/10.3390/DIAGNOSTICS15070942 DOI: https://doi.org/10.3390/diagnostics15070942
Thygesen, K., Alpert, J. S., Jaffe, A. S., Chaitman, B. R., Bax, J. J., Morrow, D. A., White, H. D., & Executive Group on behalf of the Joint European Society of Cardiology (ESC)/American College of Cardiology (ACC)/American Heart Association (AHA)/World Heart Federation (WHF) Task Force for the Universal Definition of Myocardial Infarction (2018). Fourth Universal Definition of Myocardial Infarction (2018). Journal of the American College of Cardiology, 72(18), 2231–2264. https://doi.org/10.1016/j.jacc.2018.08.1038 DOI: https://doi.org/10.1161/CIR.0000000000000617
Zhang, K., Wang, P., Wu, L., Wang, S., Jia, Y., & Yang, J. (2025). A Soft Patch for Dynamic Myocardial Infarction Monitoring. ACS Applied Materials & Interfaces, 17(11), 16479–16488. https://doi.org/10.1021/acsami.4c18868 DOI: https://doi.org/10.1021/acsami.4c18868