Una historia del ritmo cardíaco de un paciente con fibrilación auricular. Ilustración: cardiogramaAún así, hay algunos beneficios prácticos de los relojes inteligentes. Si los usa junto con aplicaciones de aprendizaje profundo y analiza los datos, entonces la información médica es realmente útil.
Recuerde cómo acudió a su terapeuta: le aplicó un estetoscopio en el pecho y escuchó el trabajo del corazón, prestando atención al ruido y otras anormalidades. En cuyo caso, podría ser enviado a un cardiograma o una ecografía del corazón. Pero el problema es que en la mayoría de los casos no escuchará ninguna arritmia, incluso si es así. Muy a menudo, la arritmia se manifiesta solo periódicamente. En realidad, alrededor del 25% de las personas desarrollan arritmia a lo largo de sus vidas, pero la mayoría de nosotros
nunca lo sabremos . Según las
estadísticas , el 10% de los accidentes cerebrovasculares ocurren en pacientes con fibrilación auricular no diagnosticada.
Las pulseras de fitness y otros dispositivos portátiles con medición de frecuencia cardíaca son un mundo completamente nuevo. Imagine que su frecuencia cardíaca se mide constantemente, todos los días, y en caso de algún problema, el médico recibe una notificación. Pero, ¿qué tan precisas son tales mediciones de relojes comunes?
Para probar esto,
Cardiogram , el desarrollador de la aplicación móvil correspondiente,
realizó un estudio a gran escala de mRhythm junto con el Departamento de Cardiología de la Universidad de California en San Francisco.
En primer lugar, se desarrolló una red neuronal que fue entrenada para reconocer en la historia de los datos recopilados los signos de fibrilación auricular, el tipo más común de arritmia cardíaca. La arquitectura de la red neuronal se muestra en la ilustración.
Los datos de los sensores vienen en cuatro capas de neuronas residuales y convolucionales con una selección de elementos máximos (agrupación máxima) después de cada capa. La salida se envía a las cuatro capas LSTM bidireccionales residuales. Al final, una sola capa de convolución con longitud de filtro 1 genera una estimación predictiva en cada paso de tiempoPara entrenar la red neuronal, utilizamos datos de usuarios de la aplicación móvil Cardiogram. Se les enviaron 200 cardiógrafos móviles AliveCor. Los usuarios registraron 6.338 cardiogramas con un resultado positivo o negativo para la fibrilación auricular. Después del entrenamiento, la red neuronal pudo calcular el pronóstico con base en las estadísticas habituales del Apple Watch. Como pre-entrenamiento heurístico, la red neuronal también procesó 139 millones de mediciones de frecuencia cardíaca de usuarios de Cardiogram.
Después de dicho entrenamiento, la precisión del diagnóstico fue mayor que la de otros tipos de diagnóstico. Los resultados del estudio, de la Universidad de California en San Francisco, se presentaron en una conferencia de cardiólogos de la
Heart Rhythm Society .
La precisión de reconocimiento de la fibrilación auricular se probó en 51 pacientes antes y después de la cardioversión, el procedimiento para restaurar un ritmo cardíaco uniforme en pacientes con arritmia (desfibrilación por métodos actuales o químicos).
Después de entrenar a la red neuronal en los datos de frecuencia cardíaca del Apple Watch desde la aplicación Apple Watch, el AUC (área bajo la curva) fue de 0.97, lo que permitió
determinar la fibrilación auricular con una sensibilidad del 98.04% y una especificidad del 90.2% . Estos son excelentes indicadores, dado que el Apple Watch es un dispositivo electrónico simple ensamblado en China, que brinda información muy inexacta, no se situó junto a los instrumentos médicos reales. Sin embargo, incluso estos datos son suficientes para el diagnóstico.
Los "relojes inteligentes" con una medición de la frecuencia cardíaca aún no han ganado una gran popularidad, sin embargo, casi todos pueden permitirse este dispositivo. Recopilar estadísticas de frecuencia cardíaca es interesante en sí mismo. Solo observe cómo cambian los indicadores, con qué frecuencia ingresa a la cuarta y quinta zonas en relación con la frecuencia cardíaca máxima, y qué tan rápido se restablece la frecuencia cardíaca normal después de eso.
Conducir en hora punta, tarde para una reunión importante a las 16:00. Ilustración: cardiograma
Entrenamiento loco. Ilustración: cardiograma
El juego del tenis. Ilustración: cardiogramaLas estadísticas de frecuencia cardíaca de minería de datos no son la única aplicación de las redes neuronales en medicina. En diciembre de 2016, un equipo de investigación de Google capacitó a la red neuronal para detectar la retinopatía diabética (una de las complicaciones más graves de la diabetes cuando se ven afectados los vasos retinianos)
con mayor precisión que los oftalmólogos . Un mes después, investigadores de la Universidad de Stanford publicaron un artículo científico en
Nature sobre cómo una red neuronal identifica casos de cáncer de piel a partir de fotografías de lesiones.
La detección de la fibrilación auricular es otro logro importante del aprendizaje profundo aplicado a la medicina. Los especialistas en cardiogramas confían en que, además de la fibrilación auricular, la red neuronal puede detectar otras enfermedades cardíacas según los datos recopilados de los relojes inteligentes. La única pregunta es el entrenamiento. También consideramos la opción de autoaprendizaje con refuerzo, cuando los usuarios hacen clic en un botón, señalando un ataque de pánico, por ejemplo. Con el tiempo, la red neuronal resaltará los signos de un ataque de pánico y podrá detectarlo por sí solo.