Hispanopedia Wiki
Articulo de referencia

Automated ECG interpretation

Screenshot of a software for digital ECG processing Automated ECG interpretation is the use of artificial intelligence and pattern recognition software and knowledge bases to ca...

Hispanopedia WikiContenido en espanolLectura gratuita

Screenshot of a software for digital ECG processing

Automated ECG interpretation is the use of artificial intelligence and pattern recognitionsoftware and knowledge bases to carry out automatically the interpretation, test reporting, and computer-aided diagnosis of electrocardiogram tracings obtained usually from a patient.

History

The first automated ECG programs were developed in the 1970s, when digital ECG machines became possible by third-generation digital signal processing boards. Commercial models, such as those developed by Marquette Electronics—General Electric (GE), Hewlett-Packard-Philips and Mortara incorporated these programs into clinically used devices.[1]

Further, automated interpretation of ECGs was driven by advancements in microprocessor technology. In 1979, the introduction of the Motorola 6800032-bit microprocessor enabled a leap forward in ECG device capabilities.[2]

During the 1980s and 1990s, extensive research was carried out by companies and by university labs in order to improve the accuracy rate, which was not very high in the first models. For this purpose, several signal databases with normal and abnormal ECGs were built by institutions such as MIT and used to test the algorithms and their accuracy.

Phases

Basic signal features of time and amplitude which are measured and form the basis for automated ECG analysis
  1. A digital representation of each recorded ECG channel is obtained, by means of an analog-to-digital converter and a special data acquisition software or a digital signal processing (DSP) chip.
  2. The resulting digital signal is processed by a series of specialized algorithms, which start by conditioning it, e.g., removal of noise, baselevel variation, etc.
  3. Extracción de características : ahora se realiza un análisis matemático sobre la señal limpia de todos los canales para identificar y medir una serie de características importantes para la interpretación y el diagnóstico. Esto constituirá la entrada para programas basados ​​en IA, como la amplitud máxima, el área bajo la curva, el desplazamiento en relación con la línea base, etc., de las ondas P, Q, R, S y T, [ 3 ] el retardo de tiempo entre estos picos y valles, la frecuencia cardíaca (instantánea y promedio) y muchas otras. También se puede realizar algún tipo de procesamiento secundario, como el análisis de Fourier y el análisis de ondículas [ 4 ], para proporcionar entrada a programas basados ​​en reconocimiento de patrones.
  4. El procesamiento lógico y el reconocimiento de patrones, utilizando sistemas expertos basados ​​en reglas , [ 5 ] análisis bayesiano probabilístico o algoritmos de lógica difusa , análisis de clústeres , [ 6 ] redes neuronales artificiales , [ 7 ] algoritmos genéticos y otras técnicas se utilizan para derivar conclusiones, interpretación y diagnóstico.
  5. Se activa un programa de informes que genera una visualización adecuada de los datos originales y calculados, así como de los resultados de la interpretación automatizada.
  6. En algunas aplicaciones, como los desfibriladores automáticos , los resultados del análisis pueden desencadenar algún tipo de acción, como la aparición de una fibrilación auricular o un paro cardíaco , la activación de alarmas en un monitor médico en aplicaciones de unidades de cuidados intensivos , etc.

Aplicaciones

La industria manufacturera de electrocardiogramas (ECG) es ahora completamente digital, y muchos modelos incorporan software integrado para el análisis e interpretación de registros de ECG con 3 o más derivaciones. Los productos de consumo, como los registradores de ECG domésticos para la detección simple de arritmias cardíacas de un canal , también utilizan análisis básicos de ECG, principalmente para detectar anomalías. Algunas áreas de aplicación son:

  • Incorporación en desfibriladores automáticos, de modo que se pueda tomar una decisión autónoma sobre si existe una causa para administrar la descarga eléctrica en función de una arritmia auricular o ventricular;
  • Electrocardiógrafo portátil utilizado en telemedicina . Estos aparatos se utilizan para enviar registros de ECG a través de un enlace de telecomunicaciones, como teléfono , comunicación de datos móviles o Internet.
  • Máquinas de ECG convencionales para ser utilizadas en entornos de atención primaria de salud donde no haya un cardiólogo capacitado disponible.

Implications and limitations

The automated ECG interpretation is a useful tool when access to a specialist is not possible. Although considerable effort has been made to improve automated ECG algorithms, the sensitivity of the automated ECG interpretation is of limited value in the case of STEMI equivalent[8][9] as for example with "hyperacute T waves",[10] de Winter ST-T complex,[11] Wellens phenomenon, Left ventricular hypertrophy, left bundle branch block or in presence of a pacemaker. Automated monitoring of ST-segment during patient transport is increasingly used and improves STEMI detection sensitivity, as ST elevation is a dynamical phenomenon.

See also

References

  1. ↑Macfarlane, Peter W.; Kennedy, Julie (23 September 2021). "Automated ECG Interpretation—A Brief History from High Expectations to Deepest Networks". Hearts. 2 (4): 433–448. doi:10.3390/hearts2040034. ISSN 2673-3846.
  2. ↑"HeartLine - News from the Division of Cardiology at the University of California, San Francisco - Center for Biosignal Research Decoding Music of the Heart"(PDF). The 1979 release of the Motorola 68000 32-bit microprocessor chip was a gamechanger. "This chip allowed us to design a circuit board with the horsepower to do everything," said Dr. Mortara, who invented the hardware and software for the new interpretive ECG device. "It no longer had to be connected to an outside computer, and the interpretation was rendered immediately [by the machine], right at the bedside.
  3. ↑BioPac Systems. Application Note: Automated ECG Analysis
  4. ↑Al-Fahoum, AS; Howitt, I. Combined wavelet transformation and radial basis neural networks for classifying life threatening cardiac arrhythmias, Med. Biol. Eng. Comput. 37 (1999), pp. 566–573.
  5. ↑Mautgreve, W., et al. HES EKG expert-an expert system for comprehensive ECG analysis and teaching. Proc. Computers in Cardiology: Jerusalem, Israel 19–22 September 1989. (USA: IEEE Comput. Soc. Press, 1990. p. 77–80).
  6. ↑Bortolan, G., et al. ECG classification with neural networks and cluster analysis. Proc. Computers in Cardiology. Venice, Italy, 23–26 September 1991. (USA: IEEE Comput. Soc. Press, 1991. p. 177-80).
  7. ↑Sabbatini, R.M.E. Applications of artificial neural networks in biological signal processing. MD Computing, 3(2), 165-172 March 1996.
  8. ↑ ECG difíciles en STEMI: lecciones aprendidas del muestreo seriado de ECG prehospitalarios e intrahospitalarios, Ayer et al., JECG, 2014
  9. ↑ Interpretación del ECG - STEMI y equivalentes, libro electrónico
  10. ↑ La onda T prominente: diagnóstico diferencial electrocardiográfico , Sommers et al., American Journal of Emergency Medicine
  11. ↑ Un nuevo signo electrocardiográfico de oclusión de la arteria descendente anterior proximal, de Winter, NEJM, 2008

Fuentes

  • Sabbatini, RME : O computador no Processamento de sinais biológicos . Revista Informédica, 2 (12): 5–9, 1995. Las computadoras en el procesamiento de señales biológicas. (En portugues)

Traducido y reproducido con autorización del autor.

  • ecgAUTO es un software de análisis de ECG en profundidad para la investigación preclínica.
  • Kligfield, P. Análisis automatizado del ritmo del ECG
  • Fisionet
  • Módulo de capacitación en interpretación de ECG telemédico