Red neuronal artificial para predecir supradesnivel-ST según síntomas y signos de síndrome coronario agudo
DOI:
https://doi.org/10.35434/rcmhnaaa.2025.182.2667Palabras clave:
Síndrome Coronario Agudo, Infarto del Miocardio con Elevación del ST, Infarto del Miocardio sin Elevación del ST, Urgencias Médicas, Redes Neurales de la ComputaciónResumen
Introducción: la presencia o ausencia de supradesnivel-ST determina el enfoque pronóstico y terapéutico del síndrome coronario agudo. Objetivo: predecir mediante redes neuronales la presencia o ausencia de supradesnivel-ST según síntomas y signos del síndrome coronario agudo. Material y métodos: estudio analítico y transversal a partir de una base de datos de 106 pacientes ingresados por síndrome coronario agudo en un hospital peruano. Se analizó una serie de síntomas y signos previos a la realización del electrocardiograma. Se utilizó redes neuronales tipo perceptrón multicapa, del cual se evaluó la tabla de clasificación de pronósticos correctos, la capacidad predictiva del modelo, así como la importancia normalizada de las variables predictoras. Resultados: La red neuronal tuvo porcentajes globales de pronósticos correctos en el entrenamiento y prueba de 93,40% y 93,30%, respectivamente. El área bajo la curva fue 0,982, indicando que el modelo tiene una capacidad predictiva sobresaliente. En la etapa de entrenamiento, los porcentajes de pronósticos correctos fueron 94% y 92,30% para descartar y detectar supradesnivel ST, respectivamente. En la prueba, el porcentaje de pronósticos correctos para descartar y detectar supradesnivel-ST fue 90% y 100%, respectivamente. Las variables predictoras de mayor influencia fueron la frecuencia cardiaca, ser fumador, dolor de cuello, náuseas, diaforesis. Conclusiones: la red neuronal tipo perceptrón multicapa, fue eficiente para la predicción de elevación del segmento-ST según síntomas y signos de pacientes ingresados a emergencias por síndrome coronario agudo.
Descargas
Referencias
Shao C, Wang J, Tian J, Tang Y. Coronary artery disease: From mechanism to clinical practice. Adv Exp Med Biol. 2020;1177:1–36. doi: 10.1007/978-981-15-2517-9_1
Libby P. Mechanisms of acute coronary syndromes and their implications for therapy. N Engl J Med. 2013;368(21):2004–13. doi: 10.1056/NEJMra1216063
Enfermedades Cardiovasculares en América Latina: Factores de riesgo y prevención [Internet]. Gehealthcare.com. [citado 2 de octubre de 2024]. Disponible en: https://acortar.link/F8ZFvJ
Hernández-Vásquez A, Díaz-Seijas D, Espinoza-Alva D, Vilcarromero S. Análisis espacial de la mortalidad distrital por enfermedades cardiovasculares en las provincias de Lima y Callao. Rev Peru Med Exp Salud Publica. 2016;33(1):185. doi: 10.17843/rpmesp.2016.331.2022
Sweis RN. Overview of Acute Coronary Syndromes (ACS) [Internet]. MSD Manual Professional Edition. Available from: https://acortar.link/mUQGQo
Herrera-Castillo Y, Inolopú J, Bendezu-Quispe G, Rosales-Rimache J. Performance of the TIMI and GRACE scores in identifying the risk of death from acute coronary ischemic syndrome: a retrospective study in patients with chest pain at a Peruvian Hospital. F1000Res. 2023;12(1246):1246. Available from: https://f1000research.com/articles/12-1246/pdf
Matsis K, Holley A, Al-Sinan A, Matsis P, Larsen PD, Harding SA. Differing clinical characteristics between young and older patients presenting with myocardial infarction. Heart Lung Circ. 2017;26(6):566–71. doi: 10.1016/j.hlc.2016.09.007
Dutta S. Multi-Layer Perceptron and backpropagation: A deep dive [Internet]. Medium. 2024 [citado 6 de octubre de 2024]. Available from: https://n9.cl/dzfuh
Kan 2017 Lecturer: Andrey. COMP90051 Statistical Machine Learning [Internet]. Github.io. 2017 [citado 6 de octubre de 2024]. Available from: https://acortar.link/tEqARh
Bishop AJ, Nehme Z, Nanayakkara S, Anderson D, Stub D, Meadley BN. Artificial neural networks for ECG interpretation in acute coronary syndrome: A scoping review. Am J Emerg Med. 2024;83:1–8. doi: 10.1016/j.ajem.2024.06.026}
Wu L, Huang G, Yu X, Ye M, Liu L, Ling Y, et al. Deep learning networks accurately detect ST-segment elevation myocardial infarction and culprit vessel. Front Cardiovasc Med. 2022;9. doi: 10.3389/fcvm.2022.797207
Lee S-H, Jeon KL, Lee Y-J, You SC, Lee S-J, Hong S-J, et al. Development of clinically validated artificial intelligence model for detecting ST-segment elevation myocardial infarction. Ann Emerg Med. 2024. doi: 10.1016/j.annemergmed.2024.06.004
Sweis RN. Complications of Acute Coronary Syndromes [Internet]. MSD Manual Professional Edition; 2018 [citado 5 de octubre de 2024]. Available from: https://acortar.link/vS1Ugt
Yan Y, Shapiro JI. The physiological and clinical importance of sodium potassium ATPase in cardiovascular diseases. Curr Opin Pharmacol. 2016;27:43–9. doi: 10.1016/j.coph.2016.01.009
Palmer J, Lloyd A, Steele L, Fotheringham J, Teare D, Iqbal J, et al. Differential risk of ST-segment elevation myocardial infarction in male and female smokers. J Am Coll Cardiol. 2019;73(25):3259–66. doi: 10.1016/j.jacc.2019.03.525
Gong W, Yan Y, Liu J, Wang X, Zheng W, Que B, et al. In‐hospital mortality and treatment in patients with Acute Coronary Syndrome with and without standard modifiable cardiovascular risk factors: Findings from the CCC‐ACS project. J Am Heart Assoc. 2024;13(19). doi: 10.1161/jaha.122.029252
Gokhroo RK, Ranwa BL, Kishor K, Priti K, Ananthraj A, Gupta S, et al. Sweating: A specific predictor of ST‐segment elevation myocardial infarction among the symptoms of acute coronary syndrome: Sweating in myocardial infarction (SWIMI) study group. Clin Cardiol. 2016;39(2):90–5. doi: 10.1002/clc.22498
Ma Z, Antoine MK, Vefali H, Manda Y, Salen P, Shoemaker M, et al. Non–chest pain symptoms and likelihood of coronary occlusion in emergency department patients with ST segment elevation undergoing emergent coronary angiography. Coron Artery Dis. 2024;35(7):598–606. doi: 10.1097/mca.0000000000001391
Descargas
Publicado
Número
Sección
Categorías
Licencia
Derechos de autor 2025 Alberto Guevara Tirado
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
