Un biomarcador en el ECG para la muerte súbita, hallado con deep learning

Un biomarcador en el ECG para la muerte súbita, hallado con deep learning#

La muerte súbita cardíaca es, en teoría, evitable con un desfibrilador. El problema es saber a quién ponérselo: el examen estándar de hoy (la FEVI) se le escapa a la mayoría. Un equipo le puso deep learning a 441.614 electrocardiogramas de una región de Suecia, cruzados con certificados de defunción, y encontró en la onda del ECG una señal —nunca antes descrita— que ordena el riesgo mucho mejor que el estándar.

El hallazgo: el modelo ordena el riesgo de muerte súbita con un AUC de 0,87 frente al 0,70 del estándar clínico, y marca un grupo de alto riesgo del que el 86,1% es invisible para la FEVI.

Gráfica clave#

Discriminación de muerte súbita: modelo ECG vs estándar clínico

Reproducir#

Abrir en Colab

O localmente:

pip install pandas matplotlib numpy
jupyter execute notebook.ipynb

Datos#

  • datos/discriminacion_mcs.csv — AUC de discriminación de muerte súbita (modelo ECG vs AHA/ACC vs SEER)

  • datos/generalizacion_cohortes.csv — AUC zero-shot en EE.UU., Taiwán y Suecia + control no-arrítmico

  • datos/estratificacion_riesgo.csv — grupo de alto riesgo del ECG vs FEVI reducida (tamaño y tasa anual)

Contenido