Desarrollo de modelos predictivos de la respuesta a la terapia de cardioversión y de la recurrencia temprana de la fibrilación auricular

Abstract

En este proyecto se planteó el desarrollo de modelos basados en aprendizaje automatizado para la predicción del éxito de la cardioversión y de la recurrencia temprana de la fibrilación auricular post-cardioversión. La propuesta presentada busca solventar los problemas relacionados con la identificación de factores clínicos y electrofisiológicos relacionados con la respuesta del paciente al tratamiento de cardioversión eléctrica, en cuanto a la recuperación o no del ritmo sinusal y la cantidad mínima de energía para cardiovertir al paciente. Al mismo tiempo, se pretende analizar factores involucrados en la recurrencia temprana de esta arritmia, con la finalidad de guiar el manejo del tratamiento del paciente, sobre llevar a cabo o descartar la aplicación de la terapia, que aunque pudiera ser exitosa, al no lograr el mantenimiento del ritmo normal por un periodo de tiempo razonable, conduce igualmente a que el empleo de la terapia no sea eficiente. Se obtuvieron datos que permiten correlacionar la eficiencia de la cardioversión eléctrica de la fibrilación auricular con índices extraídos de las señales de ECG de pacientes con esta arritmia. Se desarrollaron los algoritmos para el procesamiento de señales y para la construcción de los modelos de aprendizaje automatizado basados en máquinas de vectores de soporte, redes neuronales y redes neurodifusas.