PATINO, Darwin et al. Predicción de arritmias e infartos agudos de miocardio usando aprendizaje automático. []. , 29, pp.79-89. ISSN 1390-860X.  https://doi.org/10.17163/ings.n29.2023.07.

^a

Las enfermedades cardiovasculares, como el infarto agudo de miocardio, son una de las tres principales causas de muerte en el mundo según datos de la OMS. De forma similar, las arritmias cardíacas¸ como la fibrilación auricular, son enfermedades muy comunes en la actualidad. El electrocardiograma (ECG) es el medio de diagnóstico cardíaco que se utiliza de forma estandarizada en todo el mundo. Los modelos de aprendizaje automático son muy útiles en problemas de clasificación y predicción. Aplicadas al campo de la salud, las redes neuronales artificiales (ANN) y las redes neuronales convolucionales (CNN) en conjunto con modelos basados en árboles como XGBoost, son de vital ayuda en la prevención y control de enfermedades del corazón. El presente estudio tiene como objetivo comparar y evaluar el aprendizaje basado en los algoritmos ANN, CNN y XGBoost mediante el uso de las bases de datos de ECG Physionet MITBIH y PTB, que proporcionan ECG clasificados con arritmias e infartos agudos de miocardio, respectivamente. Se comparan por separado los tiempos de aprendizaje y el porcentaje de exactitud de los tres algoritmos en las dos bases de datos, y finalmente se cruzan los datos para comparar la validez y seguridad de la predicción.

Cardiovascular diseases such as Acute Myocardial Infarction are one of the 3 leading causes of death worldwide, according to WHO data. Similarly, cardiac arrhythmias, such as atrial fibrillation, are very common diseases at present. The electrocardiogram (ECG) is the means of cardiac diagnosis that is used in a standardized way worldwide. Machine learning models are very helpful in classification and prediction problems. Applied to the field of health, artificial neural networks (ANN) and convolutional neural networks (CNN) together with tree-based models such as XGBoost, are of vital help in the prevention and control of heart diseases. The objective of the present study is to compare and evaluate the learning based on the ANN, CNN and XGBoost algorithms using the Physionet MIT-BIH and PTB ECG databases, which provide ECGs classified with Arrhythmias and Acute Myocardial Infarctions, respectively. The learning times and the percentage of Accuracy of the 3 algorithms on the 2 databases are compared separately, and finally the data are crossed to compare the validity and safety of the prediction.

: .

        · | |     · |     · ( pdf )