Inteligencia artificial identifica condiciones cardíacas “invisibles”

Comparta este Artículo en:

El síndrome de QT largo es difícil de diagnosticar y puede ser potencialmente mortal.

La inteligencia artificial está desempeñando un papel cada vez más importante en la atención médica, desde detectar diabetes y analizar exámenes médicos, hasta reemplazar a médicos por completo.

Ahora, es capaz de reconocer condiciones potencialmente mortales donde las herramientas de diagnóstico tradicionales no pueden.

AliveCor, la compañía detrás de KardiaBand, ha aprovechado el aprendizaje automático para identificar pacientes con síndrome de QT largo (SQTL), una afección que con frecuencia no se detecta.

El intervalo QT es la medida del tiempo entre el inicio de la onda Q y el final de la onda T en el ciclo eléctrico del corazón, esencialmente el tiempo que le lleva al corazón recargar entre latidos.

LQTS significa que el corazón tarda más de lo normal en recargarse y puede provocar apagones, convulsiones, palpitaciones e incluso la muerte.

Es una afección relativamente rara, que afecta a una de cada 2.000 personas, y generalmente es hereditaria o iniciada por fármacos con potencial de prolongar el QT, como antibióticos y antidepresivos.

In simple words it can be explained that ED is a phenomenon which explains certain males’ inability to keep hard erections during the acts. browse around content pharmacy viagra A delicate curvature must here generic cialis uk be maintained to allow for the increased need for a flow of blood. learningworksca.org purchase levitra online This Kamagra is cheap in all respect. It is a condition where cholesterol deposits on the blood flow to sexual organs, improving sexual function learningworksca.org viagra prescription for woman and satisfaction, with a notable effect in creating and maintaining male erections. Pero es muy difícil de diagnosticar.

Hasta 50 por ciento de los pacientes con SQTL genéticamente confirmado muestran un intervalo QT normal en su electrocardiograma (ECG).

AliveCor, sin embargo, ahora ha presentado investigaciones que indican que la IA de redes neuronales profundas puede identificar con éxito a los pacientes con SQTL, independientemente de su lectura normal de ECG.

Los datos revelan una especificidad del 81%, una sensibilidad del 73% y una precisión global del 79%.

El autor principal del estudio, Michael J Ackerman, dijo que era “sorprendente” que la tecnología pudiera identificar un caso de SQTL entre dos pacientes con intervalos QT por lo demás idénticos.

El CEO de AliveCor, Vic Gundotra, señaló que “no puede haber una mejor ilustración de la importancia de nuestra IA para la ciencia médica que su uso para detectar aquello que de otro modo sería invisible”.

Fuente: Engadget