A Multimodal and Explainable Machine Learning Approach to Diagnosing Multi-Class Ejection Fraction from Electrocardiograms

Aquí se presenta un resumen técnico detallado del artículo "Un enfoque de aprendizaje automático multimodal y explicable para diagnosticar la fracción de eyección multiclase a partir de electrocardiogramas".

1. Enunciado del Problema

Contexto Clínico: La Fracción de Eyección del Ventrículo Izquierdo (FEVI) es el estándar de oro para diagnosticar la insuficiencia cardíaca y estratificar el riesgo de muerte cardíaca súbita. Sin embargo, la evaluación actual depende de la ecocardiografía o la resonancia magnética cardíaca, que son intensivas en recursos, costosas, consumen mucho tiempo y a menudo son inaccesibles en atención primaria o entornos con pocos recursos.
La Brecha: Si bien el electrocardiograma (ECG) de 12 derivaciones es ubicuo y de bajo costo, históricamente no ha podido proporcionar evaluaciones de la FEVI porque las señales relevantes son demasiado sutiles para la interpretación humana.
Limitaciones de la IA Existente: Los enfoques anteriores de IA se han centrado principalmente en:

• Clasificación binaria: Distinguir solo entre FE "normal" y "reducida" (a menudo utilizando un único punto de corte como <35%).
• Datos unimodales: Basarse únicamente en las formas de onda del ECG o únicamente en datos de la Historia Clínica Electrónica (HCE), en lugar de integrar ambos.
• Modelos de caja negra: Utilizar arquitecturas de aprendizaje profundo que carecen de interpretabilidad e imponen barreras computacionales altas para el despliegue clínico.
• Falta de granularidad: No distinguir entre disfunción sistólica leve, moderada y grave, lo cual es crítico para la toma de decisiones terapéuticas.

Objetivo: Desarrollar un marco de aprendizaje automático multimodal, explicable y computacionalmente eficiente que clasifique la FEVI en cuatro estratos clínicamente distintos utilizando ECGs estándar de 12 derivaciones y datos estructurados de la HCE.

---

2. Metodología

A. Cohorte de Datos

• Fuente: Datos retrospectivos de Hartford HealthCare (HHC), una gran red en Connecticut.
• Inclusión: Pacientes ambulatorios adultos con un ECG estándar de 12 derivaciones y un ecocardiograma revisado por un médico dentro de una ventana de 14 días.
• Cohorte de Desarrollo: 36.784 pares de ECG-ecocardiograma de 30.952 pacientes únicos.
  • Distribución de Clases: Normal (≥50%): 88,35%; Levemente Reducida (40–50%): 5,93%; Moderadamente Reducida (30–40%): 3,47%; Severamente Reducida (<30%): 2,26%.
• Cohorte de Validación Temporal: 19.966 ECGs de un período posterior (enero 2024 – julio 2025) para probar la generalización a lo largo del tiempo.
• Exclusión: ECGs marcados como "mala calidad" o "artefacto".

B. Ingeniería de Características

El estudio utiliza un enfoque multimodal que combina dos tipos de datos distintos:

1. Características de Series Temporales del ECG (Estructuradas):
   • Preprocesamiento: Filtrado Butterworth paso alto de 0,5 Hz, eliminación de interferencia de la red eléctrica y estandarización de puntuación z.
   • Características Clínicas: 127 características diseñadas manualmente que capturan estadísticas del intervalo RR, métricas de frecuencia cardíaca y morfología PQRST (utilizando conjuntos de características de ECG establecidos).
   • Características Automatizadas: 777 descriptores de series temporales generados mediante la biblioteca tsfresh, incluyendo momentos estadísticos, estacionariedad, autocorrelación, medidas teóricas de la información y características del dominio de la frecuencia (por ejemplo, entropía espectral).
   • Total de Características del ECG: ~900 características por derivación, concatenadas a través de las 12 derivaciones.
2. Variables Estructuradas de la HCE:
   • Extraídas de los 6 meses anteriores al ecocardiograma.
   • Incluye demografía, medidas corporales, historial de medicación y comorbilidades (agrupaciones CIE-10).
   • Selección: Se conservaron los 50 grupos de diagnósticos más frecuentes y los 50 grupos de medicamentos más frecuentes para reducir la dispersión.
   • Prevención de Fugas: Se excluyeron explícitamente códigos proximales a la FEVI (por ejemplo, códigos específicos de insuficiencia cardíaca) para evitar la fuga de etiquetas.

C. Arquitectura del Modelo

• Algoritmo: XGBoost (Gradient Boosting Extremo).
• Racional: Elegido sobre el aprendizaje profundo por su eficiencia computacional, facilidad de despliegue en sistemas hospitalarios (compatible con CPU) y rendimiento superior en datos tabulares.
• Tarea: Clasificación multiclase (4 clases) utilizando una estrategia Uno-contra-Todos.
• Entrenamiento: 80% entrenamiento, 10% validación, 10% prueba retenida (división a nivel de paciente para evitar fugas de datos).
• Hiperparámetros: Tasa de aprendizaje 0,08, profundidad máxima 7, peso mínimo del hijo 5, objetivo multi:softprob.

D. Explicabilidad

• Método: SHAP (Explicaciones Aditivas de Shapley).
• Implementación: Cálculo de valores SHAP específicos de clase en el conjunto de prueba retenido para identificar qué características impulsan las predicciones para cada estrato de FEVI.
• Análisis de Estabilidad: Se realizó remuestreo bootstrap (B=20) para verificar que las clasificaciones de las principales características permanecieran consistentes entre las muestras.

---

3. Resultados Clave

A. Métricas de Rendimiento (Conjunto de Pruebas Interno)

El modelo Multimodal (ECG + HCE) superó a las líneas base unimodales (solo ECG y solo HCE) en las cuatro clases.

• AUROC (Uno-contra-Todos):
  • Severa (<30%): 0,95 (Multimodal) vs. 0,94 (Solo ECG) vs. 0,87 (Solo HCE).
  • Moderada (30–40%): 0,92 (Multimodal) vs. 0,88 (Solo ECG) vs. 0,86 (Solo HCE). Aquí se observó el mayor aumento.
  • Leve (40–50%): 0,82 (Multimodal) vs. 0,80 (Solo ECG) vs. 0,76 (Solo HCE).
  • Normal (≥50%): 0,91 (Multimodal) vs. 0,89 (Solo ECG) vs. 0,84 (Solo HCE).

B. Validación Externa Temporal

El modelo mantuvo un rendimiento robusto en la cohorte temporal futura (enero 2024–julio 2025), demostrando estabilidad a lo largo del tiempo.

• AUROC: 0,93 (Severa), 0,89 (Moderada), 0,81 (Leve), 0,89 (Normal).
• El enfoque multimodal proporcionó consistentemente ganancias incrementales sobre los modelos solo ECG, confirmando el valor de integrar datos rutinarios de la HCE.

C. Desequilibrio de Clases y Umbrales

• Debido a la alta prevalencia de FEVI "Normal" (88%), las métricas dependientes del umbral (F1, Sensibilidad) variaron.
• Clase Normal: Logró un alto F1 (0,95) y sensibilidad (0,99) pero baja especificidad (0,26) en el umbral que maximiza el F1, ya que el modelo es permisivo al clasificar la clase dominante.
• Clases Reducidas: Mostraron puntuaciones F1 modestas (0,27–0,35) pero alta especificidad (0,82–0,95), lo que indica que el modelo es efectivo para descartar una FE reduida en pacientes sanos, pero requiere una cuidadosa selección de umbrales para fines de cribado.

D. Atribución de Características (Explicabilidad)

El análisis SHAP identificó impulsores consistentes y clínicamente plausibles:

• Características del ECG: Estadísticas de la amplitud del intervalo QR en las derivaciones I y V6, entropía espectral (complejidad del dominio de la frecuencia) y descriptores específicos de voltaje/morfología en las derivaciones laterales.
• Características de la HCE: Antecedentes de cardiomiopatía (I42.9), cardiomiopatía isquémica (I25.5), presión arterial sistólica y sexo.
• Estabilidad: Las 10 principales características aparecieron en el 95–100% de los remuestreos bootstrap, confirmando la robustez.

---

4. Contribuciones Clave

1. Granularidad Multiclase: Avanza más allá de la clasificación binaria "normal vs. reducida" hacia una estratificación de 4 niveles clínicamente accionable (Normal, Leve, Moderada, Severa), alineada con las guías terapéuticas.
2. Fusión Multimodal: Demuestra que combinar características de series temporales de ECG diseñadas con datos estructurados de la HCE produce un rendimiento superior al usar cualquiera de las modalidades por separado, particularmente para casos de reducción moderada y leve.
3. Explicabilidad y Confianza: Utiliza SHAP para mapear las decisiones del modelo de vuelta a variables clínicas interpretables (por ejemplo, amplitudes específicas del ECG y códigos CIE-10), abordando la preocupación de la "caja negra" del aprendizaje profundo.
4. Viabilidad de Despliegue: Emplea una tubería basada en tablas XGBoost que es computacionalmente eficiente (tiempo de entrenamiento ~3,3 minutos en una sola GPU), de código abierto y compatible con la infraestructura informática hospitalaria estándar, a diferencia de los modelos de aprendizaje profundo intensivos en recursos.
5. Validación Temporal: Valida el modelo en una cohorte futura distinta, demostrando que las señales aprendidas son estables a lo largo del tiempo y no meros artefactos de un período de entrenamiento específico.

---

5. Significado e Implicaciones Clínicas

• Cribado y Triaje: El modelo sirve como una herramienta práctica de apoyo a la decisión para la atención primaria. Puede identificar pacientes con FEVI reducida de alto riesgo que de otro modo pasarían desapercibidos, priorizándolos para un ecocardiograma confirmatorio.
• Optimización de Recursos: En entornos con acceso limitado a la ecocardiografía, esta herramienta de IA puede reducir las imágenes innecesarias para pacientes de bajo riesgo mientras señala a individuos de alto riesgo para atención urgente.
• Salud Global: La dependencia de ECGs ubicuos y datos estándar de la HCE hace que este enfoque sea escalable a países de ingresos bajos y medios donde la imagen avanzada es escasa.
• Trabajo Futuro: Los autores señalan que, aunque la discriminación es alta, se necesitan ensayos clínicos prospectivos para determinar cómo estas predicciones influyen en los patrones de derivación y los resultados de los pacientes en flujos de trabajo del mundo real.

Conclusión: Este estudio presenta un marco de IA robusto, explicable y desplegable que desbloquea información diagnóstica latente en los ECGs rutinarios, ofreciendo una solución escalable para la estratificación del riesgo de insuficiencia cardíaca en entornos con recursos limitados.