ECG-ENET: Red neuronal convolucional explicable para la ayuda en el diagnóstico de la apnea del sueño infantil

La apnea obstructiva del sueño (AOS) consiste en un trastorno respiratorio, que en niños se ha vinculado con el sistema cardíaco y un aumento del riesgo cardiovascular. El diagnóstico estándar es la polisomnografía (PSG), pero su coste, complejidad e incomodidad, especialmente en niños, limitan su disponibilidad y contribuyen a un infra diagnóstico de la enfermedad. Para abordar esta situación, se propone por primera vez una alternativa simplificada utilizando el electrocardiograma (ECG) nocturno y una red neuronal convolucional (CNN) que estima la severidad de la AOS pediátrica. Además, se plantea el método Gradient-weighted Class Activation Mapping (GradCAM) para interpretar los resultados de la CNN. Para ello, se han analizado 1610 registros de ECG de niños. El rendimiento de nuestro enfoque superó los mejores resultados de estudios previos (Cohen’s kappa de 4 clases 0,359 vs. 0,166 y precisión de 4 clases 56,52% vs. 41,89%). Además, GradCAM identificó patrones bradicardia-taquicardia en las zonas de transición desde un evento de apnea a zonas post-apnea, destacando las regiones entre ondas T y P. Nuestros resultados muestran que la implementación de una CNN explicable mediante el ECG puede ser útil en el diagnóstico de la AOS pediátrica y ayudaría a los facultativos a mejorar la confianza en sistemas automatizados e identificar patrones cardíacos asociados con la enfermedad. Todo ello convierte nuestra propuesta en una alternativa prometedora a la PSG, con el potencial de facilitar un diagnóstico objetivo, rápido, de menor coste y preciso de la AOS.