Modelo de aprendizaje automático predice con precisión paro cardíaco en pacientes de UCI utilizando datos de ECG

A pesar de los avances en cuidados intensivos, la naturaleza impredecible y las diversas causas de estos incidentes dificultan la prevención. La identificación rápida y la respuesta inmediata son cruciales para mejorar las tasas de supervivencia de los pacientes. Por lo tanto, existe una necesidad apremiante de un sistema que pueda predecir de forma precisa y continua los paros cardíacos intrahospitalarios, permitiendo acciones rápidas como la desfibrilación temprana y la reanimación cardiopulmonar (RCP).

Para abordar esta necesidad, un equipo de investigadores del Hospital Universitario Nacional de Seúl (SNUH, Seúl, Corea del Sur) ha desarrollado un innovador modelo de aprendizaje automático. Este modelo utiliza de forma única medidas de variabilidad de la frecuencia cardíaca (VFC) de pacientes de la UCI para predecir paros cardíacos hospitalarios. A diferencia de los modelos tradicionales que dependen de datos de registros médicos electrónicos (RME) completos, este nuevo enfoque simplifica la predicción al basarse únicamente en medidas de VFC, lo que permite una monitorización continua y en tiempo real del paciente.

El estudio mostró la eficacia del modelo de máquina de refuerzo de gradiente de luz (LGBM), que destacó en la detección temprana y la predicción rápida de paros cardíacos en el hospital. Esta mejora en la precisión de la predicción podría mejorar significativamente los resultados de los pacientes en entornos clínicos. Las fortalezas del modelo incluyen su uso exclusivo de datos de ECG para la predicción de riesgos, la integración de varias medidas de VFC y su transparencia al explicar el riesgo a través de estas medidas.

El uso exclusivo de datos de ECG hace que este modelo sea particularmente práctico y adaptable a diversos entornos sanitarios, ya que la monitorización continua por ECG es un procedimiento de rutina en las UCI. Este enfoque contrasta con modelos anteriores que requerían múltiples tipos de datos, incluida información demográfica, signos vitales y resultados de laboratorio. El modelo del equipo del SNUH, al centrarse únicamente en los datos del ECG, presenta una solución más sencilla y factible para predecir paros cardíacos en entornos de cuidados críticos.

Enlaces relacionados:
SNUH