Clasificación supervisada de pacientes con síndrome de Brugada con biomarcadores derivados del ECG

El síndrome de Brugada (SB) es una rara canalopatía cardiovascular hereditaria asociada con el riesgo de fibrilación ventricular y muerte súbita (MS). Su estratificación de riesgo es un desafío y la mayoría de los pacientes son diagnosticados en la fase asintomática siendo el ´único tratamiento contra la MS la implantación de un desfibrilador eléctrico. En este estudio, presentamos herramientas de clasificación supervisada para la estratificación del riesgo del SB basadas en el análisis automático de información electrocardiográfica de alta resolución. Para ello, se utilizaron señales de ECGs de 24 horas y 12 derivaciones y variables clínicas de 64 sujetos con SB. Las señales de ECG se preprocesaron promediando la señal para reducir el ruido y obtener latidos individuales para el cálculo de 10 biomarcadores. Posteriormente, se probaron 4 algoritmos de clasificación supervisada diferentes basados en Random Forest (RF), Extreme Gradient Boosting (XGBoost), K-Nearest Neighbors (KNN) y Support Vector Machine (SVM). Los resultados del área bajo la curva fueron alrededor del 90%, sin embargo, los resultados de sensibilidad fueron alrededor del 50%. Los resultados no predicen de manera eficiente a los pacientes sintomáticos en riesgo de MS debido al reducido número de pacientes sintomáticos. Estudios posteriores con sujetos y variables adicionales pueden mejorar este pronóstico.
Postprint (published version)