Artificial Intelligence Tools for Pulseless Electrical Activity Characterization during Cardiac Arrest

Abstract

Durante un paro cardíaco súbito (PCS), puede ocurrir actividad eléctrica sin pulso (AESP), un ritmo cardiaco que muestra actividad eléctrica pero sin contracciones efectivas. En estudios extrahospitalarios, la prevalencia de AESP como primer ritmo es del 20-30%; en estudios intrahospitalarios, es del 40-60%. Investigadores y clínicos estudian la AESP, enfocándose en la frecuencia cardíaca y el ancho del complejo QRS para obtener información pronóstica. Los resultados son inconsistentes y falta un método automatizado para predecir resultados.Esta tesis presenta enfoques innovadores para monitorear el pronóstico de la AESP en pacientes con PCS. Se desarrollaron modelos predictivos mediante procesamiento de señales y técnicas de aprendizaje automático, utilizando electrocardiogramas, impedancia torácica y presión arterial invasiva. La efectividad de estos algoritmos fue validada retrospectivamente en episodios completos de PCS. Pacientes con PCS muestran señales con más ruido y fluctuaciones erráticas. Por lo que se desarrollaron delineadores específicos: uno del complejo QRS usando aprendizaje profundo y otro de la presión arterial invasiva, utilizando umbrales adaptativos y técnicas avanzadas