La Inteligencia Artificial iguala a los cardiólogos en la detección de ataques cardíacos
Nils Strodthoff, investigador del Instituto Fraunhofer Heinrich Hertz (Alemania) y Claas Strodthoff, del Centro Médico Universitario Schleswig-Holstein (Alemania) han desarrollado una red neuronal que puede detectar las señales del infarto de miocardio y afirman que, la máquina, iguala el rendimiento de los cardiólogos humanos.
Un electrocardiógrafo estándar registra la señal eléctrica a través de 12 cables distintos conectados a diferentes partes del cuerpo del paciente. Estas señales denotan el comportamiento eléctrico del corazón de diferentes formas. Sin embargo, interpretar los datos es difícil. El proceso de clasificación se complica aún más por la presencia de la elevación del segmento ST (dentro de un electrocardiograma). Los pacientes que presentan esa elevación deben ser tratados tan pronto como sea posible, mientras que los que no la tienen requieren más pruebas que llevan mucho tiempo.
Strodthoff y Strodthoff han nutrido a una red neuronal con una base de datos de 148 registros de electrocardiograma (ECG) de pacientes con infarto de miocardio y 52 controles sanos. Utilizaron una técnica de ventana deslizante para alimentar con esos datos a una red neuronal. Cada ventana incluía al menos tres latidos del corazón. El equipo usó el 90 % de los datos para entrenar esta red y que aprendiera a detectar los signos de un ataque cardíaco.
El resto de los datos se usaron para probar si la red funcionaba y obtuvieron resultados interesantes. “La arquitectura propuesta supera los enfoques vanguardistas más actuales en este conjunto de datos y alcanza un nivel similar de rendimiento que el de los cardiólogos humanos”, explican Strodthoff y Strodthoff.
Además, las máquinas tienden a confiar en los datos de las mismas señales que los cardiólogos. Ese impresionante resultado muestra el potencial de las máquinas inteligentes para mejorar drásticamente la atención médica.
Los algoritmos de aprendizaje automático requieren grandes conjuntos de datos para aprender correctamente, no siendo este el caso por lo cual muchos médicos desconfían de los resultados. Generar conjuntos de datos más grandes a partir de las grabaciones de paros cardíacos será lento y difícil, pero solo así los médicos podrán estar seguros de que se cubre la amplia gama de entornos caóticos en los que trabajan.
El enfoque desarrollado por Strodthoff y Strodthoff es genéricamente aplicable a cualquier problema de clasificación en series temporales de datos brutos de dispositivos como los ECG y los de electroencefalografía (EEG), que abundan en medicina lo que abre un extenso panorama de sus usos en la salud.
