El latido normal del corazón está controlado por el nódulo sinusal en la aurícula izquierda, mientras que las extrasístoles son provocadas por fuentes de señales eléctricas en otros lugares. Hasta cierto número de extrasístoles ventriculares son normales. Sin embargo, la taquicardia ventricular puede afectar la actividad cardíaca y poner en peligro la vida, especialmente si el corazón ya está débil.

La taquicardia ventricular se puede tratar con ablación con catéter: el punto de origen de las extrasístoles se oblitera mediante un catéter especial que utiliza corriente de alta frecuencia. Para ello, es necesario localizar previamente con precisión el punto de origen. Los procedimientos en los que se inserta un catéter en el ventrículo para su localización son mínimamente invasivos, pero implican mucho tiempo y ciertos riesgos. La localización basada en el electrocardiograma (ECG) requiere el registro previo de la geometría específica del paciente mediante imágenes tomográficas.

En este terreno, investigadores del Instituto de Tecnología de Karlsruhe (KIT) (Alemania) han decidido utilizar el aprendizaje automático para determinar el origen de las extrasístoles de forma no invasiva. Esto podría facilitar y mejorar el diagnóstico y la terapia en el futuro. Para ello, utilizan redes neuronales artificiales entrenadas con datos sintéticos de un modelo de simulación realista.

En su estudio, publicado en la revista´ Artificial Intelligence in Medicine´, los investigadores exponen cómo utilizan el aprendizaje profundo para localizar las extrasístoles ventriculares utilizando señales de ECG sin geometrías específicas del paciente. Para ello, los científicos utilizan redes neuronales convolucionales (CNN). Según los autores, "esta es una forma especial de redes neuronales artificiales. Las CNN se componen de diferentes capas que realizan diferentes tareas. Son adecuados para grandes cantidades de datos y se pueden entrenar relativamente rápido".

Los investigadores de Karlsruhe entrenaron a las CNN exclusivamente con datos sintéticos que habían obtenido de un modelo de simulación realista. Esta fue la única forma de generar un conjunto de datos de 1,8 millones de ECG de extrasístole. Finalmente, evaluaron su método en datos clínicos. El punto de origen de las extrasístoles se determinó correctamente en el 82 por ciento de todos los casos clínicos.

"Después de una mayor optimización basada en datos clínicos, nuestro método tiene el potencial de acelerar las intervenciones médicas, reducir los riesgos y mejorar los resultados", según afirmó uno de los responsables del estudio, prof. Axel Loewe.