Um algoritmo de detecção de hipertrofia de ventrículo esquerdo no eletrocardiograma utilizando aprendizagem de máquina

Abstract

RESUMO: Doenças cardiovasculares estão entre as maiores causas de morte no mundo. Hipertrofia de ventrículo esquerdo (HVE) é um importante fator de risco para acidente vascular cerebral e insuficiência cardíaca. O eletrocardiograma (ECG) é um exame prático e não invasivo capaz de detectar HVE. Atualmente, algoritmos de aprendizagem de máquina estão sendo utilizados para diferentes aplicações no nosso cotidiano. Este trabalho propõe um algoritmo de detecção automática de HVE em ECGs de 12 derivações utilizando aprendizagem de máquina. O algoritmo elaborado consiste da extração de características relacionadas a área e amplitude de certas ondas dos batimentos e utilização dessas características em um classificador Random Forest para discriminar entre registros com e sem HVE. Foi utliizada uma das bases de dados fornecidas pelo desafio PhysioNet Computing in Cardiology de 2020 para o treinamento. Esta base de dados foi dividida em dois conjuntos: um conjunto de treinamento e um conjunto de teste. O modelo final conseguiu uma sensibilidade de 76.3% e um valor preditivo positivo de 79,3% neste conjunto de teste. O modelo foi testado em outra base fornecida pelo desafio Physioflet Computing in Cardiology de 2020 atingindo uma sensibilidade de 59.2% e um valor preditivo positivo de 56,6%.