Diagnóstico del ritmo cardíaco durante la resucitación cardiopulmonar mediante técnicas de aprendizaje profundo

Abstract

Las compresiones torácicas inducen artefactos en el electrocardiograma (ECG) que dificultan el diagnóstico fiable del ritmo durante la reanimación cardiopulmonar (RCP). Esto obliga al rescatador a detener la terapia durante el análisis del ritmo comprometiendo la circulación y, por lo tanto, reduciendo la probabilidad de supervivencia del paciente. Este estudio propone un nuevo enfoque para la discriminación de ritmos desfibrilables y no desfibrilables durante compresiones torácicas. El método se basa en técnicas de aprendizaje profundo que han demostrado ser más precisas en múltiples problemas de clasificación en el ámbito de la ingeniería biomédica. Se usó una base de datos compuesta por 506 ritmos desfibrilables y 1697 no-desfibrilables adquiridos de pacientes en parada cardiorrespiratoria extrahospitalaria. El modelo fue entrenado y testeado mediante un esquema de validación cruzada de 10 iteraciones (10-fold CV). Este proceso se repitió 10 veces para caracterizar estadísticamente los resultados en términos de sensibilidad (SE), especificidad (SP) y precisión balanceada (BAC). Los resultados se compararon con los obtenidos utilizando técnicas de aprendizaje automático tradicionales. El método de aprendizaje profundo proporcionó un rendimiento similar al obtenido mediante el algoritmo tradicional con una SE, SP y BAC de 95.0 %, 96.1 % y 95.5%, respectivamente.