Métodos de Aprendizaje Automático para la Predicción de Fibrilación Auricular Paroxística a partir de Registros Electrocardiográficos de Ritmo Sinusal Normal

• D. Padovano ^[1] ; A. Martinez-Rodrigo ^[1] ; O. Ayo ^[3] ; J.J. Rieta ^[2] ; R. Alcaraz ^[1]
  1. [1] Universidad de Castilla-La Mancha

     Universidad de Castilla-La Mancha

     Ciudad Real, España

     
  2. [2] Universidad Politécnica de Valencia

     Universidad Politécnica de Valencia

     Valencia, España

     
  3. [3] Hospital Universitario de Albacete

  Mostrar afiliaciones +
• Localización: CASEIB 2024. Libro de Actas del XLII Congreso Anual de la Sociedad Española de Ingeniería Biomédica, 2024, ISBN 978-84-09-67332-2, págs. 501-504
• Idioma: español
• Enlaces
  • Texto Completo Libro
• Resumen

  • La fibrilación auricular (FA) ha aumentado en las últimas cinco décadas, convirtiéndose en la principal arritmia cardíaca mundial. Los pacientes con FA, especialmente con FA paroxística, tienen mayor riesgo de sufrir alguna enfermedad cardiovascular. Estudios previos han empleado monitorización continua de ECG, variabilidad de la frecuencia cardíaca (VFC) y contracciones auriculares prematuras (CAP) para predecir FA paroxística en registros de ritmo sinusal normal. Este trabajo replica y evalúa dichos métodos a través de un subconjunto de datos proveniente de Icentia-11k, aplicando técnicas de procesado de señal biomédica para filtrar el ruido y extraer características de la VFC, así como aprendizaje automático para predecir la condición del paciente. Los clasificadores entrenados han demostrado que la introducción de las CAP puede mejorar la especificidad a costa de la sensibilidad de las predicciones.