Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

El nuevo AI predice la situación de “caminos accesorios” en el corazón

El Dr. NISHIMORI Makoto del hospital de la universidad de Kobe y el profesor adjunto KIUCHI Kunihiko del proyecto y otros (de la división de remedio cardiovascular, del departamento del remedio interno) han desarrollado un AI que utiliza clases múltiples de datos de prueba para predecir la situación de los caminos sobrantes en el corazón llamado los “caminos accesorios”, que hacen el corazón batir irregular.

En este estudio, los investigadores podían perfeccionar exactitud de la diagnosis teniendo el AI aprenden a partir de dos tipos totalmente diversos de datos de la electrocardiografía de los resultados (ECG) de la prueba y de imágenes de la radiografía. Se espera que esta metodología se puede aplicar a otros desordenes basados sobre los resultados acertados de esta investigación.

Estos resultados de investigación fueron publicados en línea en “partes científicos” el 13 de abril de 2021.

Fondo de la investigación

Wolff-Parkinson-Blanco (WPW) es un desorden arrítmico. Los pacientes con síndrome de WPW nacen con los caminos sobrantes dentro de sus corazones llamados los “caminos accesorios”, que pueden causar los episodios de la taquicardia donde el pulso acelera. La ablación del catéter implica el usar de un catéter para cauterizar selectivamente caminos accesorios y puede curar totalmente este desorden. Sin embargo, el índice de éxito de ablación del catéter varía dependiendo de la situación de los caminos accesorios.

Convencional, 12 un avance ECG (es decir una electrocardiografía regular) se ha utilizado para predecir la situación accesoria del camino antes del tratamiento. Sin embargo, este método actual que confía solamente en ECG es escaso exacto, que hace difícil dar a pacientes una explicación completa que incluya el índice de éxito de tratamiento. Este estudio de la investigación intentado usando el AI para resolver este problema.

Los investigadores utilizaron una metodología para enseñar al aprendizaje profundo llamado AI. Profundamente el aprendizaje implica el incorporar de los datos para cada paciente y de las respuestas correspondientes en un programa. Relanzando este proceso de aprendizaje, el programa llega a ser automáticamente más elegante. Usando esta metodología, el grupo de investigación podía presentar una solución a un problema previamente sin resolver, así más lejos ascendiendo el uso del AI al remedio moderno.

Metodología de la investigación

En primer lugar, las personas del Dr. Nishimori desarrollaron el AI usando solamente datos de ECG y compararon su funcionamiento a los métodos anteriores. Conducto relanzado aprendiendo dónde dieron datos y la situación accesoria del camino (es decir la respuesta) del ECG A AI cada de los pacientes en cada caso al mismo tiempo, creando con éxito un AI con un régimen de una exactitud más alta que métodos anteriores.

Sin embargo, el AI no podía realizar predicciones correctas cada vez de datos de ECG solamente. La causa de esta entrega era probablemente que los datos de ECG son afectados por las diferencias de tamaño y la posición de cada corazón, por lo tanto los datos de ECG no igualaron incluso cuando la situación del camino accesorio era lo mismo. Este problema era resuelto teniendo el AI aprende datos, tales como información sobre la talla de cada corazón, de imágenes de la radiografía del pecho al mismo tiempo.

Simultáneamente aprendiendo los datos del tratamiento previo ECG y de imagen de la radiografía, el AI podía obtener la información faltante y su exactitud diagnóstica importante fue perfeccionada comparada a cuando solamente los datos de ECG fueron utilizados.

Otros progresos

El adelanto de la tecnología del AI estos últimos años ha permitido para que el AI haga las diagnosis altamente exactas basadas en diversas clases de datos de prueba en el campo del remedio. Sin embargo, hay casos donde están escasos los datos de una única prueba para que el AI realice una diagnosis exacta.

Este estudio de la investigación aumentó con éxito la exactitud teniendo el AI aprende no sólo de resultados de ECG pero también de las imágenes de la radiografía del pecho, que son un tipo totalmente diverso de datos. las diagnosis exactas AI-mediadas permitirán a doctores dar a pacientes del tratamiento previo una explicación más exacta de su condición, que esperanzadamente pondrá a pacientes en la facilidad. Además, esta investigación se podía aplicar a los otros desordenes y esperanzadamente llevará a la puesta en vigor del software de la diagnosis del AI.

Source:
Journal reference:

Nishimori, M., et al. (2021) Accessory pathway analysis using a multimodal deep learning model. Scientific Reports. doi.org/10.1038/s41598-021-87631-y.