Predicción de arritmias e infartos agudos de miocardio usando aprendizaje automático

Abstract

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 is one of the 3 leading causes of death in the world according to WHO data, in the same way cardiac arrhythmias are very common diseases today, such as atrial fibrillation. The ECG electrocardiogram is the means of cardiac diagnosis that is used in a standardized way throughout the world. Machine learning models are very helpful in classification and prediction problems. Applied to the field of health, ANN, and CNN artificial and neural networks, added to tree-based models such as XGBoost, are of vital help in the prevention and control of heart disease. The present study aims to compare and evaluate learning based on ANN, CNN and XGBoost algorithms by 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 in the 2 databases are compared separately, and finally the data are crossed to compare the validity and safety of the learning prediction.