La insuficiencia cardíaca requiere un seguimiento estrecho, especialmente tras un ingreso hospitalario. Un indicador clave es la fracción de eyección (LVEF), que suele medirse con ecocardiogramas. Investigadores del MIT y Harvard presentan PULSE-HF, un modelo que analiza un simple electrocardiograma para predecir si la LVEF empeorará. Esto permitiría priorizar el seguimiento de pacientes de mayor riesgo.
El aprendizaje profundo interpreta señales ocultas en el ECG 💡
PULSE-HF utiliza redes neuronales convolucionales entrenadas con miles de pares de ECG y ecocardiogramas. El modelo no diagnostica la enfermedad, sino que identifica patrones sutiles en la señal eléctrica del corazón que preceden a un deterioro en la función de bombeo. Al procesar un ECG estándar, genera una predicción de riesgo. El enfoque busca ser una herramienta de triaje, complementando métodos más costosos.
Tu corazón tiene un historial que el ECG no olvida 🫀
Parece que el electrocardiograma, esa prueba de rutina que a veces parece un trámite, estaba guardando secretos. Mientras el médico revisa el trazado, un algoritmo podría estar susurrando: este paciente va a necesitar más atención. Es como si el cableado del corazón dejara un mensaje de error anticipado, una premonición técnica que convierte un examen simple en una bola de cristal digital. La máquina ya no solo ve el presente; ahora lee entre líneas del futuro.