ES2924025T3

ES2924025T3 - Análisis de electrocardiograma

Info

Publication number: ES2924025T3
Application number: ES20169028T
Authority: ES
Inventors: Luigi Anastasia; Ashton Boyd Christy; Giuseppe Ciconte; Edward Grant; Luke Robinson Melo; Carlo Pappone
Original assignee: J Wave Diagnostics SRL
Current assignee: J Wave Diagnostics SRL
Priority date: 2020-04-09
Filing date: 2020-04-09
Publication date: 2022-10-04
Anticipated expiration: 2040-04-09
Also published as: WO2021205355A1; JP2023520944A; CA3174101A1; PT3893246T; MX2022012682A; US11179088B2; IL296987A; BR112022020303A2; UY39168A; US20210315506A1; KR20220166812A; CN115552545A; TW202143915A; EP3893246B1; AU2021252645A1; AR121808A1; EP3893246A1

Abstract

Un método implementado por computadora para facilitar el análisis de electrocardiograma ("ECG") implica recibir uno o más trazos de ECG detectados para un paciente, cada uno de los trazos de ECG detectados representa la actividad cardíaca del paciente detectada durante un período de tiempo detectado y, para cada uno de los o más trazos de ECG detectados: identificando una pluralidad de segmentos de trazos de ECG detectados correspondientes, representando cada uno de los segmentos de trazos de ECG detectados la actividad cardíaca del paciente detectada para el paciente durante un segmento del período de tiempo detectado, y determinando un trazo de ECG representativo basado en al menos uno de los segmentos de traza de ECG detectados correspondientes identificados. El método implica hacer que se aplique al menos un clasificador de red neuronal a uno o más trazados de ECG representativos determinados para determinar una o más puntuaciones relevantes para el diagnóstico relacionadas con al menos un diagnóstico del paciente. Se describen otros métodos, sistemas y medios legibles por ordenador. (Traducción automática con Google Translate, sin valor legal)

Description

DESCRIPCIÓN

Análisis de electrocardiograma

Antecedentes

1. Campo

Las realizaciones de esta invención se relacionan con el análisis de electrocardiogramas y más particularmente con la facilitación implementada por ordenador del análisis de electrocardiogramas.

2. Descripción de la técnica relacionada

El análisis de electrocardiograma ("ECG") puede usarse en patología para ayudar a proporcionar diagnósticos de síndromes, enfermedades y/o trastornos. Los sistemas de análisis de ECG conocidos pueden incluir máquinas configuradas para proporcionar representaciones de ECG generalmente sin procesar y pueden requerir que un experto revise y analice los ECG sin procesar y confíe únicamente en su juicio profesional para llegar a un diagnóstico. Sin embargo, incluso los expertos no pueden identificar algunas propiedades sutiles de los trazos de ECG sin procesar, tal como lo proporcionan algunos sistemas de análisis de ECG conocidos que pueden ser indicativos de diagnósticos particulares. Además, el acceso a expertos puede ser limitado y/o costoso y el uso de expertos solos con sistemas de ECG conocidos puede proporcionar resultados de diagnóstico inconsistentes. En particular, para algunos síndromes, enfermedades y/o trastornos, tales como, por ejemplo, el análisis del Síndrome de Brugada, un ECG sin procesar presentado por algunos sistemas conocidos puede ser diagnóstico solo en aproximadamente un tercio de los pacientes. Los dos tercios restantes de los pacientes pueden presentar anomalías de ECG muy subliminales, que pueden no ser detectables por el ojo humano al ver los ECG sin procesar proporcionados por algunos sistemas conocidos. Además, para desenmascarar un patrón de ECG de diagnóstico para BrS, algunos enfoques de diagnóstico de ECG conocidos requieren el uso de medicamentos por parte del paciente antes de que un experto revise los trazos de ECG sin procesar, lo que puede mejorar las anomalías de ECG intrínsecas de la enfermedad, pero puede presentar peligros para los pacientes. De hecho, algunos de estos medicamentos pueden tener posibles efectos proarrítmicos, lo que puede causar arritmias potencialmente mortales durante la prueba. En consecuencia, algunos sistemas de ECG conocidos pueden dar como resultado diagnósticos lentos, costosos, inseguros y/o inexactos. Se conocer un método implementado por ordenador para facilitar el análisis de datos de ECG por una red neuronal del documento US2019/059763 A1, sin embargo, dicho documento no divulga la característica de determinar trazos de ECG representativos mediante la filtración de segmentos de trazos de ECG anormales y esto da como resultado que los trazos de ECG representativos sean mejores indicadores de características repetidas en los segmentos de trazos de ECG y, por lo tanto, mejoran el resultado del análisis de la red neuronal.

Resumen

El objeto de la presente invención es un método implementado por ordenador para facilitar el electrocardiograma ("ECG") de acuerdo con las reivindicaciones adjuntas.

De acuerdo con diversas realizaciones, se proporciona un método implementado por ordenador para facilitar el análisis de electrocardiograma ("ECG"). El método implica recibir uno o más trazos de ECG detectados para un paciente, cada uno de las trazos de ECG detectados representa la actividad cardíaca detectada del paciente durante un período de tiempo detectado y, para cada una o más trazos de ECG detectados: identificar una pluralidad de segmentos de trazos de ECG detectados correspondientes, representando cada uno de los segmentos de trazos de ECG detectados la actividad cardíaca del paciente detectada para el paciente durante un segmento del período de tiempo detectado, y que determina un trazo de ECG representativo con base en al menos uno de los segmentos de trazos de ECG detectados correspondientes identificados. El método implica hacer que se aplique al menos un clasificador de red neuronal a uno o más trazos de ECG representativos determinados para determinar una o más puntuaciones relevantes para el diagnóstico relacionadas con al menos un diagnóstico del paciente.

Determinar el trazo de ECG representativo implica identificar un subconjunto de la pluralidad de segmentos de trazos de ECG detectados correspondientes, excluyendo el subconjunto al menos una de la pluralidad de segmentos de trazos de ECG detectados correspondientes, y que determina el trazo de ECG representativo con base en el subconjunto identificado.

Identificar el subconjunto de la pluralidad de segmentos de trazos de ECG detectados correspondientes implica aplicar el análisis de componentes principales a la pluralidad de segmentos de trazos de ECG detectados correspondientes para determinar un conjunto respectivo de puntuaciones de componentes principales asociados con cada uno de los segmentos de trazos de ECG detectados correspondientes, y comparar las principales puntuaciones de componentes para identificar el al menos uno de la pluralidad de segmentos de trazos de ECG detectados correspondientes que va a ser excluido del subconjunto.

Cada uno de los conjuntos de puntuaciones de componente principal puede incluir una primera puntuación de componente principal y una segunda puntuación de componente principal. La comparación de las puntuaciones de los componentes principales puede implicar la determinación de un primer límite de confianza y un segundo límite de confianza a partir de las puntuaciones de los componentes principales primero y segundo, respectivamente, y para cada uno de los segmentos de trazos de ECG detectados correspondientes, comparando las puntuaciones de los componentes principales primero y segundo asociadas con el segmento de trazo de ECG detectado con los límites de confianza primero y segundo.

La comparación de las puntuaciones de los componentes principales primero y segundo asociadas con el segmento de trazo de ECG detectado con los límites de confianza primero y segundo puede implicar determinar si las puntuaciones de los componentes principales primero y segundo están fuera de una elipse que tiene un radio establecido por los límites de confianza primero y segundo y si es así, identificar el segmento de trazo de ECG detectado que se va a excluir del subconjunto.

La determinación de los límites de confianza primero y segundo puede implicar la aplicación del estadístico T2 de Hotelling a las puntuaciones del componente principal primero y segundo, respectivamente.

Aplicar el estadístico T2 de Hotelling a las puntuaciones del componente principal primero y segundo puede implicar el uso del valor crítico de la distribución F con al menos aproximadamente 95 % de confianza.22 Determinar el trazo de ECG representado con base en al menos uno de los segmentos de trazos de ECG detectados correspondientes identificados puede implicar promediar los segmentos de trazos de ECG detectados correspondientes incluidos en el subconjunto.

Identificar la pluralidad de segmentos de trazos de ECG detectados correspondientes puede implicar identificar características comunes respectivas en los segmentos de trazos de ECG detectados e identificar tiempos de inicio y finalización respectivos para cada uno de la pluralidad de segmentos de trazos de ECG detectados en relación con las características comunes identificadas.

La identificación de las características comunes respectivas puede implicar la identificación de los picos R respectivos en cada uno de los segmentos de trazos de ECG detectados.

El método puede implicar la producción de señales que representan la una o más puntuaciones relevantes para el diagnóstico para hacer que al menos una pantalla muestre una representación de la una o más puntuaciones relevantes para el diagnóstico.

El al menos un clasificador de red neuronal puede incluir un clasificador de red neuronal BrS.

El método puede implicar el entrenamiento del al menos un clasificador de red neuronal, implicando el entrenamiento recibir una pluralidad de conjuntos de trazos de ECG de entrenamiento, en el que cada conjunto de conjuntos de trazos de ECG de entrenamiento representa la actividad cardíaca detectada durante un período de tiempo de entrenamiento para un paciente de entrenamiento asociado respectivo de una pluralidad de pacientes de entrenamiento, recibiendo, para cada conjunto de la pluralidad de conjuntos de trazos de ECG de entrenamiento, un diagnóstico respectivo para el paciente de entrenamiento asociado con el conjunto de trazos de ECG de entrenamiento y, para cada uno de los trazos de ECG de entrenamiento: identificar una pluralidad de segmentos de trazos de ECG de entrenamiento correspondientes, representando cada uno de los segmentos de trazos de ECG de entrenamiento la actividad cardíaca del paciente durante un segmento del período de tiempo de entrenamiento, y determinar un trazo de ECG de entrenamiento representativo con base en al menos uno de los segmentos de trazos de ECG de entrenamiento correspondientes identificados. El entrenamiento puede implicar hacer que al menos un clasificador de red neuronal se entrene utilizando los trazos de ECG de entrenamiento representativos y los diagnósticos.

De acuerdo con diversas realizaciones, se proporciona un método implementado por ordenador para facilitar el análisis de electrocardiograma ("ECG"), implicando el método recibir una pluralidad de conjuntos de trazos de ECG de entrenamiento, en el que cada conjunto de conjuntos de trazos de ^eC^gde entrenamiento representa la actividad del corazón detectada durante un período de tiempo de entrenamiento para un paciente de entrenamiento asociado respectivo de una pluralidad de pacientes de entrenamiento, recibir, para cada conjunto de la pluralidad de conjuntos de trazos de ECG de entrenamiento, un diagnóstico respectivo para el paciente de entrenamiento asociado con el conjunto de trazos de ECG de entrenamiento, y, para cada uno de los trazos de ECG de entrenamiento: identificar una pluralidad de segmentos de trazos de ECG de entrenamiento correspondientes, representando cada uno de los segmentos de trazos de ECG de entrenamiento la actividad cardíaca del paciente durante un segmento del período de tiempo de entrenamiento, y determinar un trazo de ECG de entrenamiento representativo con base en al menos uno de los segmentos de trazos de ECG de entrenamiento correspondientes identificados. El método implica hacer que al menos un clasificador de red neuronal se entrene utilizando los trazos de ECG de entrenamiento representativos y los diagnósticos, el al menos un clasificador de red neuronal está configurado para generar una o más puntuaciones relevantes para el diagnóstico relacionadas con al menos un diagnóstico.

Determinar el trazo de ECG de entrenamiento representativo puede implicar identificar un subconjunto de la pluralidad de segmentos de trazos de ECG de entrenamiento correspondientes, excluyendo el subconjunto al menos uno de la pluralidad de segmentos de trazos de ECG de entrenamiento correspondientes, y determinar el trazo de ECG de entrenamiento representativo con base en el subconjunto identificado.

Identificar el subconjunto de la pluralidad de segmentos de trazos de ECG de entrenamiento correspondientes puede implicar aplicar un análisis de componentes principales a la pluralidad de segmentos de trazos de ECG de entrenamiento correspondientes para determinar un conjunto respectivo de puntuaciones de componentes principales asociadas con cada uno de los segmentos de trazos de ECG de entrenamiento correspondientes, y comparar los puntuaciones de componentes principales para identificar el al menos uno de la pluralidad de segmentos de trazos de ECG de entrenamiento correspondientes que se van a excluir del subconjunto.

Cada uno de los conjuntos de puntuaciones del componente principal puede incluir un primera puntuación del componente principal y una segunda puntuación del componente principal, y la comparación de las puntuaciones del componente principal puede implicar la determinación de un primer límite de confianza y un segundo límite de confianza a partir de las puntuaciones del componente principal primer y segundo, respectivamente, y, para cada uno de los segmentos de trazos de ECG de entrenamiento correspondientes, comparando las puntuaciones de los componentes principales primero y segundo asociadas con el segmento de trazo de ECG de entrenamiento con los límites de confianza primero y segundo.

La comparación de las puntuaciones de los componentes principales primero y segundo asociadas con el segmento de trazo de ECG de entrenamiento con los límites de confianza primero y segundo puede implicar determinar si las puntuaciones de los componentes principales primero y segundo están fuera de una elipse que tiene un radio establecido por los límites de confianza primero y segundo y si es así, identificar el segmento de trazos de ECG de entrenamiento que va a ser excluido del subconjunto.

La determinación de los límites de confianza primero y segundo puede implicar la aplicación de una ecuación estadística de T2 de Hotelling a las puntuaciones del componente principal primero y segundo, respectivamente.

Aplicar la ecuación estadística de T2 de Hotelling para las puntuaciones del componente principal primero y segundo puede implicar el uso del valor crítico de la distribución F con al menos aproximadamente 95 % de confianza.

Determinar el trazo de ECG representativo con base en el al menos uno de los segmentos de trazos de ECG de entrenamiento correspondientes identificados comprende promediar los segmentos de trazos de ECG de entrenamiento correspondientes incluidos en el subconjunto.

Identificar la pluralidad de segmentos de trazos de ECG de entrenamiento correspondientes puede implicar identificar características comunes respectivas en los segmentos de trazos de ECG de entrenamiento e identificar los tiempos de inicio y finalización respectivos para cada uno de la pluralidad de segmentos de trazos de ECG de entrenamiento en relación con las características comunes identificadas.

La identificación de las características comunes respectivas puede implicar la identificación de los picos R respectivos en cada uno de los segmentos de trazos del ECG de entrenamiento.

El al menos un clasificador de red neuronal puede incluir un clasificador de red neuronal BrS y en el que cada uno de los diagnósticos recibidos incluye un diagnóstico BrS.

De acuerdo con diversas realizaciones, se proporciona un sistema para facilitar el análisis de electrocardiograma ("ECG") que comprende al menos un procesador configurado para realizar cualquiera de los métodos anteriores.

De acuerdo con diversas realizaciones, se proporciona un medio legible por ordenador no transitorio que tiene códigos almacenados en el mismo, que cuando son ejecutados por al menos un procesador, hacen que al menos un procesador realice cualquiera de los métodos anteriores.

Breve descripción de los dibujos

En los dibujos que ilustran realizaciones de la invención,

La Figura 1 es una vista esquemática de un sistema para facilitar el análisis o la clasificación de electrocardiogramas ("ECG") de acuerdo con diversas realizaciones;

La Figura 2 es una vista esquemática de un analizador de ECG del sistema mostrado en la Figura 1 que incluye un circuito procesador de acuerdo con diversas realizaciones;

La Figura 3 es un diagrama de flujo que representa bloques de código para dirigir el analizador de ECG del sistema mostrado en la Figura 1 para realizar funciones de análisis de ECG facilitadoras de acuerdo con diversas realizaciones;

La Figura 4 es una representación de un registro de trazo de ECG detectado a manera de ejemplo que se puede utilizar en el sistema que se muestra en la Figura 1 de acuerdo con diversas realizaciones;

La Figura 5 es un diagrama de flujo que representa bloques de código que pueden incluirse en los bloques de código mostrados en la Figura 3 de acuerdo con diversas realizaciones;

La Figura 6 es una representación de un registro de identificador de pico R a manera de ejemplo que puede usarse en el sistema que se muestra en la Figura 1 de acuerdo con diversas realizaciones;

La Figura 7 es una representación de un registro de segmento de trazo de ECG detectado a manera de ejemplo que puede usarse en el sistema que se muestra en la Figura 1 de acuerdo con diversas realizaciones;

La Figura 8 es un diagrama de flujo que representa bloques de código que pueden incluirse en los bloques de código mostrados en la Figura 3 de acuerdo con diversas realizaciones;

La Figura 9 es un diagrama de flujo que representa bloques de código que pueden incluirse en los bloques de código mostrados en la Figura 3 de acuerdo con diversas realizaciones;

La Figura 10 es una representación de un gráfico que muestra una elipse de confianza que puede usarse en el sistema que se muestra en la Figura 1 de acuerdo con diversas realizaciones;

La Figura 11 es una representación de un registro de trazo de ECG representativo a manera de ejemplo que se puede usar en el sistema que se muestra en la Figura 1 de acuerdo con diversas realizaciones;

La Figura 12 es una representación de un clasificador de red neuronal de diagnóstico BrS que puede usarse en el sistema que se muestra en la Figura 1 de acuerdo con diversas realizaciones;

La Figura 13 es una vista esquemática de un sistema para facilitar el análisis de ECG que incluye el entrenamiento de red neuronal de acuerdo con diversas realizaciones;

La Figura 14 es una vista esquemática de un entrenador de red neuronal de ECG del sistema que se muestra en la Figura 13 que incluye un circuito procesador de acuerdo con diversas realizaciones;

La Figura 15 es un diagrama de flujo que representa bloques de código para dirigir el entrenador de red neuronal de ECG del sistema mostrado en la Figura 13 para realizar funciones de entrenamiento de red neuronal de ECG facilitadoras de acuerdo con diversas realizaciones;

La Figura 16 es una representación de un registro de trazo de ECG de entrenamiento de ejemplo que puede usarse en el sistema que se muestra en la Figura 13 de acuerdo con diversas realizaciones;

La Figura 17 es una representación de un registro de diagnóstico a manera de ejemplo que puede usarse en el sistema que se muestra en la Figura 13 de acuerdo con diversas realizaciones;

La Figura 18 es una representación de un registro de trazo de ECG de entrenamiento representativo de ejemplo que puede usarse en el sistema que se muestra en la Figura 13 de acuerdo con diversas realizaciones;

La Figura 19 es una representación de un ECG de referencia para un paciente y un ECG obtenido después de desafiar al paciente de acuerdo con diversas realizaciones;

La Figura 20 es una representación de un ECG de referencia para un paciente y un ECG obtenido después de desafiar al paciente de acuerdo con diversas realizaciones;

La Figura 21 es una representación de un ECG de referencia para un paciente y un ECG obtenido después de desafiar al paciente de acuerdo con diversas realizaciones;

La Figura 22 es una representación de un ECG de referencia para un paciente y un ECG obtenido después de desafiar al paciente de acuerdo con diversas realizaciones;

La Figura 23 es una representación de un ECG de referencia para un paciente y un ECG obtenido después de desafiar al paciente de acuerdo con diversas realizaciones; y

La Figura 24 es una representación de un ECG de referencia para un paciente y un ECG obtenido después de desafiar al paciente de acuerdo con diversas realizaciones.

Descripción detallada

La mortalidad cardiovascular ha disminuido en los últimos 30 años debido a un creciente reconocimiento de las medidas dietéticas y de estilo de vida que mejoran la salud del corazón. A pesar de estos avances, persiste el problema de las enfermedades cardiovasculares, que provocan 17 millones de muertes al año en todo el mundo. Aproximadamente una cuarta parte de estas muertes ocurren como una pérdida inesperada de la función cardíaca conocida como muerte súbita cardíaca (SCD). La SCD puede ocurrir sin previo aviso en ausencia de una enfermedad cardíaca preexistente. Hasta un tercio de estas muertes ocurren como manifestaciones de una condición cardiogenética sintomática o asintomática conocida como Síndrome de Brugada (BrS).

Los médicos comúnmente confían en el análisis de electrocardiograma (ECG) como una herramienta patológica para clasificar las formas de onda de ECG como una ayuda en el diagnóstico de síndromes, enfermedades y/o trastornos cardíacos. Desafortunadamente, el ECG sin procesar de un paciente, proporcionado por algunos sistemas conocidos, se presenta como diagnóstico de BrS en menos del veinte por ciento de los casos. Los restantes individuos BrS positivos pueden mostrar un amplio espectro de anomalías en el ECG. Además, hasta la mitad de los pacientes con BrS que sobreviven a un paro cardíaco presentan lo que parece ser un ECG completamente normal para un profesional médico. Como consecuencia, la mayoría de las personas con BrS permanecen sin diagnosticar.

Incluso para pacientes sintomáticos, las técnicas conocidas de análisis de ECG requieren que un experto revise y analice los ECG sin procesar y que use su juicio profesional para llegar a un diagnóstico. Sin embargo, la observación de expertos a veces no puede identificar algunas propiedades sutiles de los trazos de ECG sin procesar que pueden ser indicativos de diagnósticos particulares. El acceso a los expertos puede ser limitado y/o costoso, y depender de cualquier individuo para reconocer patrones no obvios en un e Cg podría arrojar resultados de diagnóstico inconsistentes. Además, el uso de algunos sistemas de ECG conocidos puede dar como resultado diagnósticos lentos, costosos, inseguros y/o inexactos.

Por lo tanto, para desenmascarar un patrón ECG de Brugada y obtener un diagnóstico preciso del estado de un paciente con antecedentes familiares de SBr, generalmente se requiere la administración de un fármaco bloqueador de los canales de sodio que induce anomalías de ECG intrínsecas a la enfermedad. Sin embargo, tales fármacos pueden causar arritmias potencialmente mortales, lo que significa que este método de diagnóstico solo puede administrarse en un quirófano adecuadamente equipado. Estos problemas de seguridad limitan en gran medida la aplicabilidad general de los sistemas de diagnóstico actuales y, en última instancia, exponen a los sujetos de BrS no diagnosticados al riesgo de SCD.

Haciendo referencia a la Figura 1, se proporciona un sistema 10 para facilitar el análisis o la clasificación de electrocardiogramas ("ECG"), de acuerdo con diversas realizaciones. El sistema 10 incluye un analizador 12 de ECG implementado por ordenador en comunicación con una fuente 14 de datos de ECG y una pantalla 16.

En diversas realizaciones, el sistema 10 puede configurarse para usar datos de ECG para ayudar en el diagnóstico de BrS. Sin embargo, en diversas realizaciones, el sistema 10 o un sistema generalmente similar al sistema 10 puede usarse para ayudar en el diagnóstico de uno o más síndromes, trastornos y/o enfermedades eléctricas primarias tales como el síndrome de Brugada (BrS), el síndrome de repolarización temprana (ERS), el síndrome de QT largo (LQTS), el síndrome de QT corto (SQTS) y/u otros trastornos analíticos, posiblemente idiopáticos. En algunas realizaciones, se puede llegar a un diagnóstico mediante el uso del sistema 10 junto con otras técnicas de diagnóstico. Por ejemplo, en algunas realizaciones, el sistema 10 puede usarse para proporcionar un programa de exploración no invasivo. En diversas realizaciones, una prueba de detección no invasiva de este tipo para BrS podría salvar un millón de vidas por año.

En algunas realizaciones, el sistema 10 puede incluir características que facilitan el diagnóstico de uno o más síndromes, enfermedades y/o trastornos tales como BrS a partir de datos de ECG sin usar medicación para provocar la respuesta de ECG. Por ejemplo, en algunas realizaciones, el sistema 10 puede facilitar un diagnóstico de BrS a partir de datos de ECG sin requerir que un paciente use medicamentos tal como un agente bloqueador de los canales de sodio (por ejemplo, ajmalina, flecainida, pilsicainida o procainamida). En consecuencia, el sistema 10 puede facilitar un método asistido por ordenador para el diagnóstico no invasivo de BrS o una indicación de la posibilidad de BrS a partir de datos de ECG sin el uso de un fármaco potencialmente letal.

En algunas realizaciones descritas en el presente documento, el sistema 10 puede configurarse para ayudar en el diagnóstico de BrS a partir de patrones en datos de trazo de ECG convencionales reconocidos por un modelo de aprendizaje profundo entrenado con datos de ECG. En diversas realizaciones, el sistema 10 puede ser adecuado para la integración en las generaciones actuales y futuras de dispositivos de registro de ECG, que pueden permitirles proporcionar un diagnóstico automatizado e independiente del operador. En algunas realizaciones, las señales de ECG de diversos dispositivos médicos (incluyendo dispositivos implantables y portátiles, así como monitores clínicos y domésticos estacionarios y portátiles) pueden ser suficientes para que el sistema facilite el diagnóstico y/o el reconocimiento de señales de arritmia asociadas con BrS u otra miocardiopatía arritmogénica. En algunas realizaciones, el sistema 10 puede configurarse para procesar señales de ECG producidas por dispositivos portátiles de consumo, tales como relojes inteligentes, teléfonos inteligentes y/u otros productos electrónicos multipropósito para ayudar en el diagnóstico de BrS y/u otras patologías arrítmicas ocultas. Con referencia a la Figura 1, en diversas realizaciones, la fuente 14 de datos de ECG puede configurarse para proporcionar al analizador 12 de ECG, datos de ECG que representan uno o más trazos de ECG detectados para un paciente, representando cada uno de los trazos de ECG detectados la actividad cardíaca del paciente detectada sobre un período de tiempo detectado. Por ejemplo, en algunas realizaciones, la fuente 14 de datos de ECG puede incluir un sistema sensor de ECG configurado para capturar los datos de ECG utilizando sensores o cables acoplados al paciente. En algunas realizaciones, por ejemplo, la fuente 14 de datos de ECG puede incluir 12 cables acopladas al paciente y configuradas para detectar datos de ECG y, por lo tanto, los datos de ECG pueden representar 12 trazos de ECG detectados para el paciente. En diversas realizaciones, pueden usarse números alternativos de cables y/o trazos de ECG.

El analizador 12 de ECG puede recibir los datos de ECG que representan uno o más trazos de ECG detectados para el paciente desde la fuente 14 de datos de ECG. En algunas realizaciones, el analizador 12 de ECG puede almacenar los datos de ECG en la memoria.

El analizador 12 de ECG puede entonces, para cada uno o más trazos de ECG detectados, identificar una pluralidad de segmentos de trazos de ECG detectados correspondientes, representando cada uno de los segmentos de trazos de ECG detectados la actividad cardíaca del paciente detectada durante un segmento del periodo de tiempo detectado y determinar un trazo de ECG representativo con base en al menos uno de los segmentos de trazos de ECG detectados correspondientes identificados. En algunas realizaciones, los segmentos de trazos de ECG detectados pueden elegirse de modo que cada segmento de trazo de ECG represente datos de ECG detectados para un único latido del corazón. En diversas realizaciones, cada uno de los segmentos de trazos de ECG puede ser generalmente similar, con características repetidas.

En diversas realizaciones, identificar los segmentos de trazos de ECG detectados que se corresponden entre sí y pueden ser generalmente similares y luego determinar el trazo de ECG representativo con base en los segmentos de trazos de ECG identificados puede ayudar al analizador 12 de ECG a hacer que el trazo de ECG representativo represente características que son repetidas en los segmentos de trazos de ECG, lo que reduce la distorsión causada por el ruido y/o la aberración, que surge, por ejemplo, de la interferencia eléctrica o del movimiento no relacionado del paciente.

En algunas realizaciones, el analizador 12 de ECG puede identificar los segmentos de tazo identificando características comunes en los segmentos de trazos de ECG detectados e identificar los respectivos tiempos de inicio y finalización para cada uno de la pluralidad de segmentos de trazos de ECG detectados en relación con las características comunes identificadas. En algunas realizaciones, por ejemplo, el analizador 12 de ECG puede identificar un pico R para cada segmento de trazo e identificar los tiempos de inicio y fin para el segmento de trazo en relación con el pico R identificado. En diversas realizaciones, la identificación de características comunes, tal como un pico R, para cada segmento de trazo puede permitir que el analizador 12 de ECG alinee o sincronice los segmentos de trazos de ECG para que los segmentos de trazos de ECG puedan compararse independientemente de la hora de inicio de cada segmento de trazo de ECG. En diversas realizaciones, esto puede facilitar la determinación de un trazo de ECG representativo que refleje mejor las características comunes incluidas en los segmentos del trazo de ECG.

En algunas realizaciones, el analizador 12 de ECG puede usar solo un subconjunto de los segmentos de trazos de ECG incluidos en cada trazo para determinar o generar los trazos de ECG representativos. En algunas realizaciones, por ejemplo, el analizador 12 de ECG puede ignorar los segmentos de trazos de ECG que se consideran que representan información de ECG atípica en comparación con los otros segmentos de trazos de ECG. En diversas realizaciones, usando solo un subconjunto de los segmentos de trazos de ECG para determinar los trazos de ECG representativos, el analizador 12 de ECG puede obtener trazos de ECG representativos que se generan sin considerar segmentos de trazos de ECG anormales y esto puede dar como resultado que los trazos de ECG representativas sean mejores indicadores de características repetidas en los segmentos de trazos de ECG. En diversas realizaciones, esto puede facilitar puntuaciones y/o indicaciones más precisas proporcionadas por el sistema 10 que pueden usarse para ayudar en los diagnósticos.

En algunas realizaciones, el analizador 12 de ECG puede determinar el trazo de ECG representativo promediando segmentos de trazos de ECG. En diversas realizaciones, promediando los segmentos de trazos de ECG, se pueden enfatizar los efectos de las características repetidas en los segmentos, mientras que se pueden minimizar los efectos de las características anómalas de los segmentos.

En diversas realizaciones, uno o más trazos de ECG detectados pueden incluir 12 trazos de ECG detectados y, por lo tanto, el analizador 12 de ECG puede determinar 12 trazos de ECG representativos. El analizador 12 de ECG puede almacenar los trazos de ECG representativos determinados en la memoria. En diversas realizaciones, cada uno de los 12 trazos de ECG representativos puede representar características repetidas en los 12 trazos de ECG detectados. En algunas realizaciones, debido al procesamiento realizado por el analizador 12 de ECG para determinar los 12 trazos de ECG representativos, estos trazos pueden actuar como entradas excelentes para un clasificador de red neuronal o funcionar para determinar una puntuación relevante para el diagnóstico del paciente.

En diversas realizaciones, el analizador 12 de ECG puede hacer que se aplique al menos una función o clasificador de red neuronal a uno o más trazos de ECG representativos determinados para determinar una o más puntuaciones relevantes para el diagnóstico relacionadas con el diagnóstico del paciente. Por ejemplo, en algunas realizaciones, el analizador 12 de ECG puede tener datos almacenados que definen un clasificador de red neuronal de diagnóstico de BrS, que puede configurarse para incluir en su entrada 12 trazos de ECG representativos y generar una puntuación de diagnóstico, tal como una puntuación de diagnóstico de BrS. En algunas realizaciones, la puntuación de diagnóstico puede ser una representación estadística de la confianza determinada por ordenador en un diagnóstico de máquina de una enfermedad y/o trastorno. Por ejemplo, en algunas realizaciones, el analizador 12 de ECG puede configurarse para hacer que el clasificador de la red neuronal de diagnóstico de BrS emita la puntuación del diagnóstico de BrS como un número decimal entre 0 y 1, con puntuaciones cercanas a 0 que representan una alta confianza de un diagnóstico negativo de BrS ( es decir, el paciente no tiene BrS) y las puntuaciones cercanas a 1 representan una confianza alta de un diagnóstico positivo de BrS (es decir, el paciente tiene BrS), y las puntuaciones intermedias representan niveles variables de confianza. En algunas realizaciones, la una o más puntuaciones relevantes para el diagnóstico pueden representar una puntuación de clasificador de estado de enfermedad que puede usarse para clasificar al paciente dentro de un estado de enfermedad particular.

En algunas realizaciones, el analizador 12 de ECG puede hacer que el clasificador de red neuronal de diagnóstico de BrS se aplique a los 12 trazos de ECG representativos, previamente determinados, para determinar la puntuación de diagnóstico de BrS. El analizador 12 de ECG puede almacenar la puntuación de diagnóstico de BrS en la memoria.

En algunas realizaciones, el analizador 12 de ECG puede producir señales que representan una o más puntuaciones relevantes para el diagnóstico para hacer que la pantalla 16 muestre una representación de las puntuaciones. Por ejemplo, en algunas realizaciones, el analizador 12 de ECG puede producir señales para generar un número entre 0 y 1 que representa la puntuación, que puede ser representativo de una probabilidad de diagnóstico, por ejemplo, para que se muestre en la pantalla 16.

En algunas realizaciones, la pantalla 16 puede ser vista por el paciente y/o un profesional médico. En diversas realizaciones, se pueden tomar medidas basadas en la representación visualizada de la puntuación relevante para el diagnóstico, lo que puede ayudar a prevenir eventos futuros que pongan en peligro la vida. Por ejemplo, una puntuación de diagnóstico de BrS que indica una alta probabilidad de que el paciente tenga BrS puede hacer que un médico realice o modifique procedimientos de diagnóstico y/o terapéuticos adicionales.

En algunas realizaciones, se puede configurar el analizador 12 de ECG para generar señales con base en una o más puntuaciones relevantes para el diagnóstico para hacer que se regule la función de un desfibrilador externo o implantable o un marcapasos cardíaco.

En algunas realizaciones, se pueden incluir la pantalla 16 y/o cualquiera o todo el sistema 10 en el quirófano para facilitar una monitorización mejorada de los procedimientos de diagnóstico o terapéuticos para un paciente en el quirófano con el fin de controlar los procedimientos de diagnóstico y terapéuticos. incluyendo un control mejorado de la respuesta a la dosis del fármaco de diagnóstico o del resultado terapéutico después de los procedimientos de intervención, incluyendo la ablación con catéter, por ejemplo.

En algunas realizaciones, se pueden incluir la pantalla 16 y/o cualquiera o todo el sistema 10 en un sistema de monitorización cardiaca continua para facilitar la detección de arritmias de trastornos electrónicos primarios en pacientes ambulatorios o sedentarios, por ejemplo.

En algunas realizaciones, se pueden incluir la pantalla 16 y/o cualquiera o todo el sistema 10 en un sistema de monitorización cardiaca continua para facilitar la alerta de los respondedores apropiados de arritmias de trastornos electrónicos primarios durante la noche.

En diversas realizaciones, se pueden incluir la pantalla 16 y/o cualquiera o todo el sistema 10 en diversos entornos alternativos o adicionales para alertar a un paciente sobre una o más puntuaciones determinadas relevantes para el diagnóstico.

Analizador de ECG - Circuito del procesador

Con referencia ahora a la Figura 2, se muestra una vista esquemática del analizador 12 de ECG del sistema 10 mostrado en la Figura 1 de acuerdo con diversas realizaciones. Haciendo referencia a la Figura 2, el analizador 12 de ECG incluye un circuito procesador que incluye un procesador 100 analizador y una memoria 102 de programa, una memoria 104 de almacenamiento y una interfaz 112 de entrada/salida (I/O), todos los cuales están en comunicación con el procesador 100 analizador. En diversas realizaciones, el procesador 100 analizador puede incluir una o más unidades de procesamiento, tal como, por ejemplo, una unidad central de procesamiento (CPU), una unidad de procesamiento gráfico (GPU) y/o una matriz de puertas programables en campo (FPGA). En algunas realizaciones, cualquiera o todas las funciones del analizador 12 de ECG descrito en el presente documento pueden implementarse utilizando uno o más FPGA.

La interfaz 112 de I/O incluye una interfaz 120 para comunicarse con la fuente 14 de datos de ECG y una interfaz 122 para comunicarse con la pantalla 16. En algunas realizaciones, la interfaz 112 de I/O también puede incluir una interfaz adicional para facilitar la comunicación en red a través de una red como Internet. En algunas realizaciones, cualquiera o todas las interfaces 120 y/o 122 pueden facilitar una comunicación inalámbrica o por cable. En algunas realizaciones, cada una de las interfaces que se muestran en la Figura 2 puede incluir una o más interfaces y/o algunas o todas las interfaces incluidas en la interfaz 112 de I/O pueden implementarse como interfaces combinadas o una única interfaz.

En algunas realizaciones, cuando un dispositivo se describe en el presente como receptor o emisor de información, puede entenderse que el dispositivo recibe señales que representan la información a través de una interfaz del dispositivo o produce señales que representan la información y transmite las señales al otro dispositivo a través de una interfaz del dispositivo. Los códigos de programa ejecutables por el procesador para dirigir el procesador 100 analizador para que lleve a cabo diversas funciones se almacenan en la memoria 102 de programa. Con referencia a la Figura 2, la memoria 102 de programa incluye un bloque de códigos 170 para dirigir el analizador 12 de ECG para realizar funciones de análisis de ECG facilitadoras. En esta memoria descriptiva, se puede afirmar que ciertas entidades codificadas, tales como aplicaciones o módulos, realizan ciertas funciones. En el presente documento, cuando se describe que una aplicación, módulo o entidad codificada realiza una acción, como parte de, por ejemplo, una función o un método, se entenderá que al menos un procesador (por ejemplo, el procesador 100 analizador) está dirigido a realizar la acción mediante códigos programables o códigos ejecutables por procesador o instrucciones que definen o forman parte de la aplicación.

La memoria 104 de almacenamiento incluye una pluralidad de ubicaciones de almacenamiento que incluyen la ubicación 140 para almacenar datos de ECG detectados, la ubicación 142 para almacenar datos de identificador de pico R, la ubicación 144 para almacenar datos de segmentos de trazos de ECG detectados, la ubicación 145 para almacenar datos de componentes principales, la ubicación 146 para almacenar datos de subconjuntos de segmentos de trazos de ECG, ubicación 148 para almacenar datos de trazos de ECG representativos, ubicación 150 para almacenar datos de red neuronal, ubicación 152 para almacenar datos de pacientes y ubicación 154 para almacenar datos de puntuación de diagnóstico. En diversas realizaciones, la pluralidad de ubicaciones de almacenamiento puede almacenarse en una base de datos en la memoria 104 de almacenamiento.

En diversas realizaciones, el bloque 170 de códigos puede integrarse en un solo bloque de códigos o partes del bloque 170 de código pueden incluir uno o más bloques de código almacenados en una o más ubicaciones separadas en la memoria 102 de programa. En diversas realizaciones, cualquiera o todas las ubicaciones 140-154 pueden estar integradas y/o cada una puede incluir una o más ubicaciones separadas en la memoria 104 de almacenamiento.

Cada una de la memoria 102 de programa y la memoria 104 de almacenamiento puede implementarse usando uno o más dispositivos de almacenamiento que incluyen memoria de acceso aleatorio (RAM), una unidad de disco duro (HDD), una unidad de estado sólido (SSD), una unidad de red, memoria flash, una tarjeta o tarjeta de memoria, cualquier otra forma de memoria no transitoria legible por ordenador o medio de almacenamiento, y/o una combinación de los mismos. En algunas realizaciones, la memoria 102 de programa, la memoria 104 de almacenamiento y/o cualquier porción de la misma puede incluirse en un dispositivo separado del analizador 12 de ECG y en comunicación con el analizador 12 de ECG a través de la interfaz 112 de I/O, por ejemplo. En algunas realizaciones, la funcionalidad del procesador 100 analizador y/o el analizador 12 de ECG como se describe en el presente documento puede implementarse utilizando una pluralidad de procesadores y/o una pluralidad de dispositivos, que pueden ser dispositivos distintos que se comunican a través de interfaces respectivas y /o una red, tal como Internet, por ejemplo.

Funcionamiento del analizador de ECG

Como se discutió anteriormente, en diversas realizaciones, el analizador 12 de ECG que se muestra en las Figuras 1 y 2 puede configurarse para facilitar el análisis de ECG. Con referencia a la Figura 3, un diagrama de flujo que representa bloques de código para dirigir el procesador 100 analizador que se muestra en la Figura 2 para realizar funciones de análisis de ECG facilitadoras de acuerdo con diversas realizaciones se muestra generalmente en 200. Los bloques de código incluidos en el diagrama 200 de flujo pueden codificarse en el bloque de códigos 170 de la memoria 102 de programa que se muestra en la Figura 2, por ejemplo. Con referencia a la Figura 3, el diagrama 200 de flujo comienza con el bloque 202 que dirige el procesador 100 analizador para recibir uno o más trazos de ECG detectados para un paciente, representando cada uno de los trazos de ECG detectados la actividad cardíaca del paciente detectada durante un período de tiempo detectado.

En algunas realizaciones, la fuente 14 de datos de ECG puede incluir un monitor de ECG o un sistema sensor que incluye 12 cables acoplados al paciente. Los 12 cables pueden ubicarse en el paciente para proporcionar seguimiento desde 12 posiciones eléctricas diferentes del corazón del paciente. En algunas realizaciones, por ejemplo, los 12 cables pueden incluir tres cables bipolares en las extremidades, 3 cables unipolares en las extremidades y seis cables unipolares en el pecho. En diversas realizaciones, cada uno de los 12 cables puede detectar el voltaje a medida que late el corazón del paciente. Una representación del voltaje detectado a lo largo del tiempo se puede considerar como una trazo de ECG detectado. En algunas realizaciones, la fuente 14 de datos de ECG puede generar y/o almacenar un registro de trazo de ECG detectado respectivo, una representación ejemplar del cual se muestra en 260 en la Figura 4, para cada uno de los 12 trazos de ECG detectados.

Con referencia a la Figura 4, en algunas realizaciones, el registro 260 de trazo de ECG puede incluir un campo 262 de identificador de cable para almacenar un identificador de cable para identificar el cable desde la cual se detectó el trazo de ECG y los campos 264 de voltaje de ECG detectados, cada uno de los cuales almacena un valor que representa un voltaje detectado en un momento determinado. En algunas realizaciones, cada uno de los campos 264 de voltaje de ECG detectados puede asociarse con un tiempo respectivo, por ejemplo, con base en una orden o posición del campo de voltaje de ECG detectado en el registro 260 de trazo de ECG. En algunas realizaciones, por ejemplo, los campos 264 de voltaje de ECG detectados pueden representar voltajes medidos a 2000 Hz o 0.5 ms de diferencia y, por lo tanto, un primer campo de voltaje de ECG detectado puede asociarse con un tiempo de 0 ms y cada campo de voltaje de ECG detectado posterior puede estar asociado con tiempos respectivos en incrementos de 0.5 ms después. En diversas realizaciones, se pueden usar frecuencias de muestreo alternativas, tales como, por ejemplo, 500 Hz, u otra frecuencia que pueda facilitar una representación significativa de las características de un latido cardíaco. En algunas realizaciones, los campos 264 de voltaje de ECG detectados del registro 260 de trazo de ECG pueden representar voltajes durante un período de tiempo que abarca una duración seleccionada de una medición. En algunas realizaciones, la duración de la medición puede ser elegida por un operador de la fuente 14 de datos de ECG y/o el analizador 12 de ECG. En algunas realizaciones, el período de tiempo puede ser de aproximadamente 60 segundos, por ejemplo. En algunas realizaciones, se pueden usar otros períodos de tiempo para el registro 260 de trazo de ECG detectado, de modo que se pueda proporcionar una salida fiable. Por ejemplo, en algunas realizaciones, el período de tiempo puede ser de aproximadamente 10 a 20 segundos, de 20 a 30 segundos o de unos pocos segundos.

En algunas realizaciones, los campos 264 de voltaje de ECG detectados pueden almacenar valores enteros que representan pasos de 0.0001 mV, de modo que los valores enteros pueden convertirse en mV medidos dividiéndolos por 10,000.

Volviendo a la Figura 3, el bloque 202 puede indicar al procesador 100 analizador que reciba representaciones de 12 registros de trazo de ECG detectados, cada uno con un formato generalmente similar al registro 260 de trazo de ECG detectado que se muestra en la Figura 3 y para almacenar los registros de trazo de ECG detectados en la ubicación 140 de la memoria 104 de almacenamiento. En algunas realizaciones, por ejemplo, el bloque 202 puede indicar al procesador 100 analizador que reciba las representaciones de los registros de trazo de ECG detectados a través de la interfaz 120 de la interfaz 112 de I/O que se muestra en la Figura 2. En algunas realizaciones, el bloque 202 puede indicar al procesador 100 analizador que almacene los registros de trazo de ECG detectados utilizando una base de datos SQL, por ejemplo.

Haciendo referencia a la Figura 3, después de que se haya ejecutado el bloque 202, el procesador 100 analizador puede pasar a los bloques 204, 206 y 208, que pueden ordenar al procesador 100 analizador que considere uno de los trazos de ECG detectados, para segmentar el trazo de ECG considerado, y para determinar un trazo de ECG representativo con base en al menos uno de los segmentos. En diversas realizaciones, los bloques 204, 206 y 208 pueden ejecutarse para cada uno o más trazos de ECG detectados recibidos en el bloque 202, de manera que se determina un trazo de ECG representativo para cada uno de los trazos de ECG detectados recibidos.

El bloque 204 dirige al procesador 100 analizador para que considere el uno o más trazos de ECG detectados como un trazo de ECG detectado del sujeto. Por ejemplo, en algunas realizaciones, en una primera ejecución del bloque 204, el bloque 204 puede indicar al procesador 100 analizador que considere el trazo de ECG detectado representado por el registro 260 de trazo de ECG detectado que se muestra en la Figura 4 como el trazo de ECG detectado del sujeto.

Haciendo referencia a la Figura 3, el bloque 206 luego dirige el procesador 100 analizador para que, para el trazo de ECG detectado del sujeto, identifique una pluralidad de segmentos de trazos de ECG detectados correspondientes, representando cada uno de los segmentos de trazos de ECG detectados la actividad cardíaca del paciente detectada para el paciente sobre un segmento del período de tiempo detectado. En algunas realizaciones, el bloque 206 puede indicar al procesador 100 analizador que identifique segmentos del trazo de ECG detectado como segmentos de trazos de ECG detectado. En algunas realizaciones, los segmentos de trazos de ECG detectados pueden identificarse de modo que generalmente incluyan características similares o repetidas. En algunas realizaciones, el bloque 204 puede indicar al procesador 100 analizador que almacene representaciones de los segmentos de trazos de eCg detectados en la ubicación 144 de la memoria 104 de almacenamiento.

Con referencia a la Figura 5, se muestra un diagrama 300 de flujo que representa bloques de código que pueden incluirse en el bloque 206 que se muestra en la Figura 3, en diversas realizaciones. El diagrama 300 de flujo comienza con el bloque 302 que dirige al procesador 100 analizador para identificar características comunes respectivas en el segmento de trazo de ECG detectado.

En algunas realizaciones, el bloque 302 puede indicar al procesador 100 analizador que primero procese la información representada por el registro 260 de trazo de ECG detectado para ajustarse a un formato designado. Por ejemplo, en algunas realizaciones, el bloque 302 puede indicar al procesador 100 analizador que aplique eliminación de ruido y supresión de fondo al registro de trazo de ECG detectado utilizando un análisis de Fourier y/u otra forma de análisis de armónicos, junto con uno o más filtros de respuesta de impulso infinito, y/u otros filtros digitales.

En algunas realizaciones, las características comunes identificadas pueden ser un pico R para cada uno de los segmentos de trazos de ECG detectados y el bloque 302 puede indicar al procesador 100 analizador que identifique un pico R respectivo en cada uno de los segmentos de trazos de ECG detectados. En algunas realizaciones, el bloque 302 puede indicar al procesador 100 analizador que aplique un algoritmo de descomposición de ondículas, tal como transformadas de ondículas discretas, continuas, no diezmadas, estacionarias o superpuestas máximas, para detectar posiciones temporales de complejos QRS representados por el registro 260 de trazo de ECG detectado, siendo un complejo QRS la combinación de tres de las desviaciones gráficas que se observan en un trazo típico de ECG. El complejo QRS puede ser la parte central y más obvia visualmente del trazo (es decir, el pico principal que se ve en una línea de ^eC^g). El complejo QRS puede corresponder a la despolarización de los ventrículos derecho e izquierdo del corazón humano y la contracción de los grandes músculos ventriculares.

En diversas realizaciones, el bloque 302 puede indicar al procesador 100 analizador que almacene identificadores de tiempo que representen la posición temporal de los picos R respectivos para cada complejo QRS detectado, en la ubicación 142 de la memoria 104 de almacenamiento. Por ejemplo, en algunas realizaciones, el bloque 302 puede indicar al procesador 100 analizador que almacene un registro 340 de identificador de pico R como se muestra en la Figura 6 en la ubicación 142 de la memoria 104 de almacenamiento. Haciendo referencia a la Figura 6, el registro 340 de identificador de pico R incluye un campo 341 de identificador de cable para almacenar un identificador de cable para identificar el cable desde el que se detectó el trazo de ECG y campos 342 de identificador de pico R para almacenar identificadores temporales que identifican tiempos o posiciones temporales para cada pico R identificado del registro 260 de trazo de ^eC^gdetectado que se muestra en la Figura 4. Por ejemplo, con referencia a la Figura 6, el registro 340 de identificador de pico R incluye un primer campo 344 de identificador de pico R que almacena un valor entero que identifica una posición dentro del registro 260 de trazo de ECG detectado que corresponde a un primer pico R identificado. En algunas realizaciones, el primer campo 344 de identificador de pico R que almacena un valor de 1779 indica que el campo de voltaje de ECG detectado 1779 del registro 260 de trazo de ECG detectado representa un voltaje asociado con un pico R. El segundo campo 346 de identificador de pico R que almacena un valor de 3606 indica que el campo de voltaje de ECG detectado 3606 del registro 260 de trazo de ECG detectado representa un voltaje asociado con un pico R.

El bloque 304 dirige entonces al procesador 100 analizador para que identifique los respectivos tiempos de inicio y fin para cada uno de la pluralidad de segmentos de trazos de ECG detectados en relación con las características comunes identificadas. En algunas realizaciones, el bloque 304 puede indicar al procesador 100 analizador que segmente el registro de trazo de ECG detectado en ventanas temporales canónicas con base en los identificadores de pico R, con cada ventana de segmento centrada en el pico R del complejo QRS. En diversas realizaciones, la longitud temporal de una ventana puede haber sido configurada y almacenada previamente en la memoria 104 de almacenamiento, por ejemplo. En algunas realizaciones, por ejemplo, la longitud temporal de una ventana se puede establecer en un tiempo tal que las características incluidas en la ventana, centradas alrededor del pico R de un segmento de trazo de ECG, proporcionen suficiente información para un clasificador de red neuronal de diagnóstico particular para generar una puntuación de diagnóstico particular tal como, por ejemplo, un diagnóstico de BrS, permitiendo, por ejemplo, que un clasificador de red neuronal de diagnóstico de BrS emita la puntuación de diagnóstico de BrS. En diversas realizaciones, por ejemplo, la longitud temporal de la ventana puede ser de aproximadamente 750 ms o aproximadamente 1,500 puntos de datos de trazo de ECG a una frecuencia de muestreo de 2000 Hz. En algunas realizaciones, la longitud temporal se puede haber determinado empíricamente para servir adecuadamente para capturar un latido del corazón sin solapar los adyacentes.

En diversas realizaciones, el bloque 304 puede indicar al procesador 100 analizador que identifique los tiempos de inicio y finalización restando y sumando, respectivamente, la mitad de la longitud temporal de la ventana de cada identificador de pico R. Por ejemplo, en algunas realizaciones, la hora de inicio para el pico R identificado por el primer campo 344 de identificador de pico R que se muestra en la Figura 6 puede identificarse como 1779 -(1500/2) = 1029, y la hora de finalización para el pico R identificado por el primer campo 344 de identificador de pico R puede identificarse como 1779 (1500/2) = 2529. Otras realizaciones pueden colocar el pico R en otra parte de la ventana de latidos, por ejemplo, con un tiempo de inicio en 1779 -(2x1500/5) = 1179.

En diversas realizaciones, la identificación de los segmentos de trazos de ECG detectados mediante la identificación de características comunes y luego la identificación de los tiempos de inicio y finalización en relación con las características comunes puede facilitar la identificación de los segmentos de trazos de ECG detectados que generalmente incluyen características similares o repetidas, lo que puede facilitar la identificación de valores atípicos y/o las características similares o repetidas.

El bloque 304 puede indicar al procesador 100 analizador que almacene una pluralidad de registros de segmentos de trazos de ECG detectados generados de acuerdo con los puntos de inicio y fin determinados, en la ubicación 144 de la memoria 104 de almacenamiento. En la Figura 7 se muestra un registro 380 de segmento de trazo de ECG detectado ejemplar que puede generarse con base en el valor almacenado en el primer campo 344 de identificador de pico R y almacenado en la ubicación 142 de la memoria 104 de almacenamiento. El registro 380 de segmento de trazo de ECG detectado incluye un campo 382 de identificador de cable para almacenar un identificador de cable que identifica el cable, un campo 384 de identificador de segmento para almacenar un identificador de segmento que identifica el segmento, y campos 386 de voltaje de ECG detectados que almacenan valores tomados del 1029vo al 2529vocampos de voltaje de ECG del registro 260 de trazo de ECG detectado que se muestra en la Figura 4.

Volviendo a la Figura 3, el bloque 208 dirige al procesador 100 analizador para determinar un trazo de ECG representativo con base en al menos uno de los segmentos de trazos de ECG detectados correspondientes identificados. En algunas realizaciones, el bloque 208 puede indicar al procesador 100 analizador que identifique un subconjunto de registros de segmentos de trazos de ECG almacenados en la ubicación 144 de la memoria 104 de almacenamiento. En algunas realizaciones, el bloque 208 puede indicar al procesador 100 analizador que genere el trazo de ECG representativo promediando los registros de segmento de trazo de ECG incluidos en el subconjunto. En diversas realizaciones, el bloque 208 puede indicar al procesador 100 analizador que almacene el trazo de ECG representativo en la ubicación 146 de la memoria 104 de almacenamiento.

Haciendo referencia a la Figura 8, se muestra un diagrama 420 de flujo que representa bloques de código que pueden incluirse en el bloque 208 de acuerdo con diversas realizaciones. El diagrama 420 de flujo comienza con el bloque 422 que dirige al procesador 100 analizador para identificar un subconjunto de la pluralidad de segmentos de trazos de ECG detectados correspondientes, excluyendo el subconjunto al menos uno de la pluralidad de segmentos de trazos de ECG detectados correspondientes.

En diversas realizaciones, mediante la identificación de un subconjunto que excluye al menos uno de la pluralidad de segmentos de trazos de ECG detectados correspondientes, los valores atípicos pueden eliminarse de los datos que se van a procesar utilizando el clasificador de red neuronal. En diversas realizaciones, esto puede facilitar la determinación de trazos de ECG representativos sin considerar segmentos de trazos de ECG anormales y esto puede dar como resultado que los trazos de ECG representativos sean mejores indicadores de características repetidas en los segmentos de trazos de ECG. En diversas realizaciones, esto puede facilitar un análisis más rápido y/o más preciso por parte del analizador 12 de ECG.

En algunas realizaciones, el bloque 422 puede indicar al procesador 100 analizador que use una clasificación multivariante no supervisada, tal como el análisis de componentes principales (PCA) para descomponer una matriz de segmentos de ECG definida por los registros de segmentos de trazos de ECG para un cable y un paciente en particular, almacenados en la ubicación 144 de la memoria 104 de almacenamiento en un espacio dimensional reducido que comprende una base ortogonal en la que cada dimensión representa una contribución única e independiente a la variación general en el conjunto de datos. El bloque 422 puede indicar al procesador 100 analizador que luego analice los resultados de la clasificación multivariante para identificar el al menos un segmento de trazo de ECG detectado para ser excluido del subconjunto.

Haciendo referencia a la Figura 9, se proporciona un diagrama 440 de flujo que representa bloques de código que pueden incluirse en el bloque 422 del diagrama 420 de flujo mostrado en la Figura 8, en diversas realizaciones. El diagrama 440 de flujo comienza con el bloque 442 que dirige al procesador 100 analizador para aplicar el análisis de componentes principales a la pluralidad de segmentos de trazos de ECG detectados correspondientes para determinar un conjunto respectivo de puntuaciones de componentes principales asociados con cada uno de los segmentos de trazos de ECG detectados correspondientes. Después de que se haya ejecutado el bloque 442, los registros de segmento de ECG para cada combinación de paciente y cable pueden expresarse en términos de puntuaciones y cargas de componentes principales, con base en esta base ortogonal.

En algunas realizaciones, el bloque 442 puede indicar al procesador 100 analizador que almacene las puntuaciones de los componentes principales resultantes en la ubicación 145 de la memoria 104 de almacenamiento. En algunas realizaciones, el bloque 442 puede indicar al procesador 100 analizador que almacene 3 puntuaciones de componentes principales en asociación con cada uno de los segmentos de trazos de ECG, en la ubicación 145 de la memoria 104 de almacenamiento. Por ejemplo, en algunas realizaciones, se puede aplicar un análisis de componente principal de 3 componentes a los segmentos de trazos de ECG para cada cable, produciendo puntuaciones y cargas para cada uno de los segmentos de trazos de ECG, representando los datos transformados en una base ortogonal. En algunas realizaciones, la ejecución del bloque 442 se puede realizar usando software como Python y la biblioteca de Python, sklearn, por ejemplo. En algunas realizaciones, las puntuaciones de los componentes principales pueden almacenarse como una matriz de valores flotantes en la ubicación 145 de la memoria 104 de almacenamiento.

Volviendo a la Figura 9, el bloque 444 se dirige al procesador 100 analizador para que compare las puntuaciones de los componentes principales para identificar el al menos uno de la pluralidad de segmentos de trazos de ECG detectados correspondientes que se excluirán del subconjunto. En algunas realizaciones, el bloque 444 puede indicar al procesador 100 analizador que recupere las puntuaciones de los componentes principales desde la ubicación 145 de la memoria 104 de almacenamiento y que calcule medidas estadísticas de covarianza para las puntuaciones de los componentes principales. En algunas realizaciones, el bloque 444 puede indicar al procesador 100 analizador que calcule el estadístico T de Hotelling2, utilice el apalancamiento de PCA y/o cálculos de agrupación, por ejemplo.

En algunas realizaciones, el bloque 444 puede indicar al procesador 100 analizador que aplique un umbral de confianza a las puntuaciones de los componentes principales para identificar aquellos registros de segmentos de ECG que representan segmentos de ECG que son demasiado diferentes a la matriz de segmentos de ECG general, por ejemplo, en algunas realizaciones, aquellos segmentos cuya distancia desde el centro de la matriz de segmento de ECG transformada ortogonalmente es demasiado grande.

En algunas realizaciones, para cada componente A principal, el bloque 444 puede indicar al procesador 100 analizador que determine al menos un límite de confianza a partir de las puntuaciones de los componentes principales y, para cada uno de los segmentos de trazos de ECG detectados correspondientes, compare la puntuación del componente principal asociado con al menos un límite de confianza.

En algunas realizaciones, si la puntuación del componente principal está fuera del al menos un límite de confianza, el segmento de trazo asociado puede identificarse como excluido del subconjunto.

Por ejemplo, en algunas realizaciones, el bloque 444 puede indicar al procesador 100 analizador que determine un primer y un segundo límite de confianza que, en algunas realizaciones, puede ser un límite de confianza del 95 %, por ejemplo, aplicando el estadístico T de Hotelling2, de la siguiente manera: Conf.(A) = raíz cuadrada [ apuntuaciones x {UN(N2-1)/N (NA)} x F crítico (0.05, NA, A)]

donde Fcrítico representa el valor crítico de la distribución F con una confianza del 95 %, dado el número de trazos segmentados N y el componente A principal seleccionado. En algunas realizaciones, el límite de confianza puede establecerse en 95 %, 99 % u otro nivel. En algunas realizaciones, el bloque 444 puede indicar al procesador 100 analizador que determine un primer límite de confianza y un segundo límite de confianza a partir de las puntuaciones del primer y segundo componente principal, respectivamente, usando la ecuación anterior. El bloque 444 puede ordenar al procesador 100 analizador que, para cada uno de los segmentos de trazos de ^eC^gdetectados correspondientes, compare las puntuaciones del componente principal primero y segundo asociadas con el segmento de trazo de ECG detectado con los límites de confianza primero y segundo.

En algunas realizaciones, los primeros dos componentes principales pueden explicar la mayor parte de la varianza, y los límites de confianza de estos componentes principales pueden servir para definir una elipse de confianza que tiene radios iguales a estos límites. En algunas realizaciones, el bloque 444 puede indicar al procesador 100 analizador que compare las puntuaciones de los N segmentos de trazos de eCg con los límites de confianza para determinar cuál de los N segmentos de trazos de ECG deben considerarse valores atípicos de confianza y excluirse del subconjunto de segmentos de trazos de ECG. Por ejemplo, en algunas realizaciones, el bloque 444 puede indicar al procesador 100 analizador que represente las puntuaciones de los N segmentos de trazos de ECG en los mismos ejes que la elipse y que distinga los puntos que caen dentro de la elipse, de los puntos atípicos de confianza que no lo hacen. En consecuencia, en algunas realizaciones, el bloque 444 puede indicar al procesador 100 analizador que determine si las puntuaciones de los componentes principales primero y segundo están fuera de una elipse que tiene un radio establecido por los límites de confianza primero y segundo y, de ser así, identificar el segmento de trazo de ECG detectado que va a ser excluido del subconjunto. En algunas realizaciones, el bloque 444 puede indicar al procesador 100 analizador que aplique un algoritmo de triangulación de Delaunay para distinguir los puntos que caen dentro de la elipse, de los puntos atípicos de confianza que no lo hacen.

Haciendo referencia a la figura 10, se proporciona un gráfico 460 que muestra una elipse 462 de confianza y puntos que representan las puntuaciones de los componentes principales primero y segundo asociados con los segmentos de trazos de ECG respectivos. En diversas realizaciones, los segmentos de trazos de ECG asociados con puntuaciones de componentes principales tales como puntuaciones 464 de componentes principales pueden identificarse dentro de la elipse definida por los límites de confianza primero y segundo. Las puntuaciones de los componentes 466 y 468 principales pueden identificarse fuera de la elipse definida por los límites de confianza primero y segundo y, por lo tanto, los segmentos de trazos de ECG asociados con las puntuaciones de los componentes 466 y 468 principales pueden identificarse como valores atípicos de confianza que se excluirán del subconjunto.

En algunas realizaciones, se pueden usar más o menos de 2 componentes principales al aplicar los límites de confianza. Por ejemplo, en algunas realizaciones, se puede usar un componente principal único para definir un límite de confianza único que se puede comparar con una puntuación de componente principal único para cada segmento de trazo de ECG, para identificar los valores atípicos. En algunas realizaciones, el bloque 444 puede indicar al procesador 100 analizador que compare las puntuaciones de los componentes principales de formas alternativas o adicionales. Por ejemplo, en algunas realizaciones, el bloque 444 puede indicar al procesador 100 analizador que calcule un apalancamiento de PCA para cada uno de los segmentos de trazos de ECG para un cable dado con base en la relación de su puntuación con todas las puntuaciones, por ejemplo, de acuerdo con:

Lev.{n) ^{= N ¿ A [p u n tu a c ió n ^ A )2 / {puntuacioncs(A) X puntuaciones'A) }}J

En algunas realizaciones, el bloque 444 puede indicar al procesador 100 analizador que compare cada apalancamiento con la media y la desviación estándar de todos los apalancamientos para un cable determinado para determinar si el segmento de trazo de ECG asociado con el apalancamiento debe considerarse como un valor atípico de confianza. Por ejemplo, en algunas realizaciones, el bloque 444 puede indicar al procesador 100 analizador que determine si el apalancamiento del segmento de trazo de ECG supera la media más el doble de la desviación estándar de todos los apalancamientos (j+2a) y, si el apalancamiento de un segmento de trazo de ECG excede la media más el doble de la desviación estándar de todos los apalancamientos (j+2a), el bloque 444 puede indicar al procesador 100 analizador que considere el segmento de trazo de ECG como un valor atípico de confianza.

En algunas realizaciones, el bloque 444 puede indicar al procesador 100 analizador que aplique un algoritmo de agrupamiento espacial de aplicaciones dentro del ruido basado en la densidad (DBSCAN) a un gráfico de dispersión de las dos primeras puntuaciones de los componentes principales. El algoritmo DBSCAN puede detectar grupos dentro de las puntuaciones graficadas, utilizando un número mínimo previamente establecido de trazos que constituyen un grupo y una distancia máxima previamente establecida entre puntos, por ejemplo. En algunas realizaciones, el número mínimo de trazos que constituyen un grupo puede establecerse en un valor de 10, por ejemplo, y la distancia máxima entre puntos en un grupo puede ser de 0.5, por ejemplo. En diversas realizaciones, el bloque 444 puede indicar al procesador 100 analizador que considere cualquier segmento de trazo de ECG asociado con puntuaciones que no estén dentro de un grupo como valores atípicos de confianza. En algunas realizaciones, esto puede facilitar el rechazo de grupos pequeños, con base en el supuesto de que los segmentos de trazos de ECG asociados con grupos pequeños representan artefactos de muestreo en lugar de latidos cardíacos promedio.

En diversas realizaciones, el bloque 444 puede indicar al procesador 100 analizador que realice alguno o todos los usos de un límite de confianza, comparando apalancamientos y/o aplicando un algoritmo DBSCAN para detectar valores atípicos, en general como se describió anteriormente, para identificar segmentos de trazos de eCg que van a ser considerados como valores atípicos de confianza.

En diversas realizaciones, el bloque 444 puede indicar al procesador 100 analizador que identifique el subconjunto de la pluralidad de segmentos de trazos de ECG detectados correspondientes excluyendo los segmentos de trazos de ECG detectados que están asociados o se consideran valores atípicos de confianza. En algunas realizaciones, el bloque 444 puede indicar al procesador 100 analizador que almacene copias de los registros de segmentos de ECG que no se consideran valores atípicos de confianza en la ubicación 146 de la memoria 104 de almacenamiento. En diversas realizaciones, los registros de segmentos de ECG almacenados en la ubicación 146 de la memoria 104 de almacenamiento pueden actuar como un subconjunto de los registros de segmentos de ECG almacenados en la ubicación 144 de la memoria 104 de almacenamiento y el subconjunto puede excluir al menos un registro de segmento de ECG almacenado en la ubicación 144.

Volviendo a la Figura 8, el bloque 424 se dirige entonces al procesador 100 analizador para que determine el trazo de ECG representativo con base en el subconjunto identificado. En algunas realizaciones, el bloque 424 puede indicar al procesador 100 analizador que promedie los segmentos de ECG representados por los registros de segmento de ECG almacenados en la ubicación 146 de la memoria 104 de almacenamiento. En algunas realizaciones, se pueden usar otras formas de determinar el trazo de ECG representativo. Por ejemplo, en algunas realizaciones, el bloque 424 puede indicar al procesador 100 analizador que elija un valor medio para cada uno de los 1500 puntos en la ventana de latidos del corazón.

En algunas realizaciones, el bloque 424 puede indicar al procesador 100 analizador que elija un único segmento de ECG o latido del corazón para que actúe como el trazo de ECG representativa para el análisis y la clasificación. Por ejemplo, en algunas realizaciones, el trazo de ECG del que se derivan los segmentos de ECG puede ser un trazo muy corto, que incluye solo unos pocos latidos cardíacos completos y, en estos casos, las medidas estadísticas (por ejemplo, PCA) pueden llegar a ser menos confiables debido a un cantidad limitada de datos. En tales casos, se puede seleccionar arbitrariamente un solo latido del corazón como el trazo de ECG representativo, por ejemplo, de acuerdo con el juicio del operador, aunque esto se puede evitar en la medida de lo posible. En algunas realizaciones, un solo segmento de ECG puede tratarse como el trazo representativo después de seleccionarse aleatoriamente de aquellos que se consideran no atípicos, es decir, aquellos que se encuentran dentro de las regiones de confianza determinadas por el estadístico T2, apalancamiento de objetos, agrupamiento y/u otra prueba de confianza, si esos valores se pueden calcular de manera confiable.

En diversas realizaciones, el bloque 424 puede indicar al procesador 100 analizador que almacene un registro de trazo de ECG representativo como se muestra en 500 en la Figura 11 en la ubicación 148 de la memoria 104 de almacenamiento. Con referencia a la Figura 11, el registro 500 de trazo de ECG representativo incluye un campo 502 de identificador de cable para almacenar un identificador de cable que identifica el cable desde la cual se detectó el trazo de ECG y campos 504 de voltaje de ECG para almacenar el promedio de valores tomados de los registros de segmento de ECG almacenados en la ubicación 146 de la memoria 104 de almacenamiento.

Volviendo a la Figura 3, después de generar y almacenar el registro 500 de trazo de ECG representativo en la ubicación 148 de la memoria 104 de almacenamiento, puede completarse la ejecución del bloque 208.

El bloque 210 dirige entonces al procesador 100 analizador para determinar si es necesario considerar trazos de ECG adicionales. En diversas realizaciones, el bloque 210 puede indicar al procesador 100 analizador que determine si hay registros de trazo de ECG detectados adicionales almacenados en la ubicación 142 de la memoria 104 de almacenamiento, que aún no se han considerado como un trazo de ECG detectado del sujeto en el bloque 204 del diagrama 200 de flujo que se muestra en la Figura 3. Si es así, el bloque 210 indica al procesador 100 analizador que regrese al bloque 204, que indica al procesador 100 analizador que considere uno de los uno o más trazos de ^eC^gdetectados como un trazo de ECG detectado por un sujeto. En diversas realizaciones, el bloque 204 puede indicar al procesador 100 analizador que considere un registro de trazo de ECG detectado desde la ubicación 142 de la memoria 104 de almacenamiento si el registro de trazo de ECG detectado aún no se ha considerado.

Entonces pueden ejecutarse los bloques 206 y 208 con respecto al registro de trazo de ECG detectado recién considerado. En vista de lo anterior, los bloques 206 y 208 pueden ejecutarse para cada registro de trazo de ECG detectado almacenado en la ubicación 142 de la memoria 104 de almacenamiento. Una vez que se han considerado todos los registros de trazo de ECG detectados, puede haber una pluralidad de registros de trazo de ECG representativos, cada uno de los cuales tiene generalmente el mismo formato que el registro 500 de trazo de ECG que se muestra en la Figura 11, almacenado en la ubicación 148 de la memoria 104 de almacenamiento. En diversas realizaciones, puede haber un registro de trazo de ECG representativo respectivo para cada uno de los registros de trazo de ECG detectados almacenados en la ubicación 142 de la memoria 104 de almacenamiento.

Cuando se han considerado todos los registros de trazo de ECG detectados, el bloque 210 puede indicar al procesador 100 analizador que proceda al bloque 212.

El bloque 212 indica al procesador 100 analizador para que haga que se aplique al menos un clasificador de red neuronal a uno o más trazos de ECG representativos determinados para determinar una o más puntuaciones relevantes para el diagnóstico relacionadas con al menos un diagnóstico del paciente. En diversas realizaciones, los datos que definen un clasificador de red neuronal de diagnóstico de BrS pueden almacenarse en la ubicación 150 de la memoria 104 de almacenamiento. En algunas realizaciones, el clasificador de red neuronal de diagnóstico de BrS puede incluir un perceptrón para BrS. En algunas realizaciones, los datos que definen el clasificador de la red neuronal de diagnóstico de BrS se pueden haber proporcionado previamente al analizador 12 de ECG. Por ejemplo, en algunas realizaciones, los datos que definen el clasificador de la red neuronal BrS pueden haberse determinado durante una fase de entrenamiento, que puede haber sido realizada por el analizador 12 de ECG y/u otro dispositivo/sistema.

En algunas realizaciones, el bloque 212 puede indicar al procesador 100 analizador que concatene la información de voltaje de ECG incluida en los registros de trazos de eCg representativos almacenados en la ubicación 148 de la memoria 104 de almacenamiento y que use los datos concatenados como entrada para el clasificador de red neuronal de diagnóstico de BrS. Por ejemplo, en algunas realizaciones, el bloque 212 puede indicar al procesador 100 analizador que concatene valores de los campos de voltaje de ECG de todos los registros de trazos de ECG de entrenamiento representativos, en orden desde el cable 1 hasta el cable 12, por ejemplo, y que use ese dato concatenado como entrada para el clasificador de red neuronal de diagnóstico de BrS. En diversas realizaciones, puede ser necesario que el orden de los cables para la concatenación coincida con el orden que se usó al generar el clasificador de red neuronal. En algunas realizaciones, el bloque 212 puede indicar al procesador 100 analizador que provoque que los datos del paciente o los factores de variación asociados con el paciente también se usen como entrada para el clasificador de la red neuronal de diagnóstico de BrS.

En algunas realizaciones, los datos del paciente pueden incluir, por ejemplo, edad, sexo y/o antecedentes del paciente y/o familiares de afecciones y comorbilidades asociadas con la miocardiopatía arritmogénica. Estos pueden incluir, por ejemplo, representaciones numéricas o booleanas de antecedentes personales y/o familiares de diagnósticos de miocardiopatía arritmogénica, incluyendo BrS, antecedentes familiares de muerte súbita cardíaca (SCD), antecedentes personales de síncope y/o antecedentes personales de paro cardíaco. En algunas realizaciones, por ejemplo, los datos del paciente pueden incluir cualquiera o todos los siguientes:

En diversas realizaciones, los datos del paciente pueden almacenarse en la ubicación 152 de la memoria 104 de almacenamiento. Los datos del paciente pueden haber sido proporcionados previamente por un profesional médico, por ejemplo.

Con referencia a la Figura 12, se muestra una representación del clasificador 540 de red neuronal de diagnóstico de BrS que puede definirse mediante datos almacenados en la ubicación 150 de la memoria 104 de almacenamiento de acuerdo con diversas realizaciones. En algunas realizaciones, el clasificador 540 de red neuronal de diagnóstico de BrS puede configurarse para tomar de entradas 542 Xecg, que pueden incluir los registros de trazos de ECG representativos concatenados, y entradas de 544 X^fov, que pueden incluir representaciones de los datos del paciente asociados con el paciente. La capa de entrada también puede incluir un elemento 546 de polarización.

En diversas realizaciones, el clasificador 540 de red neuronal de diagnóstico de BrS puede incluir al menos una capa 560 oculta que contiene neuronas. Por ejemplo, en algunas realizaciones, puede haber una capa oculta que tenga 100 neuronas. En algunas realizaciones, se pueden usar capas ocultas adicionales y/o alternativas.

En algunas realizaciones, el clasificador 540 de red neuronal de diagnóstico de BrS puede incluir una capa 570 de salida que incluye una clasificación que representa un diagnóstico de enfermedad positivo (1) o negativo (0). En diversas realizaciones, la capa 570 de salida puede proporcionar una puntuación de diagnóstico de BrS que puede representar una confianza en un diagnóstico de que el paciente tiene BrS. En diversas realizaciones, la puntuación de diagnóstico de BrS puede ser un número decimal entre 0 y 1 con una puntuación muy alta (cerca de 1) que indica una alta confianza de que el paciente tiene la enfermedad o trastorno objetivo y una puntuación muy baja (cerca de 0) indicando una confianza alta de que el paciente no tiene BrS. En algunas realizaciones, una puntuación de diagnóstico de BrS superior a un umbral, tal como, por ejemplo, 0.900, puede estar asociada con un diagnóstico de enfermedad positiva. En algunas realizaciones, una puntuación de diagnóstico de BrS de menos de un umbral, tal como, por ejemplo, 0.100, puede estar asociada con un diagnóstico de enfermedad negativa.

En diversas realizaciones, el bloque 212 puede indicar al procesador 100 analizador que lea los registros de trazo de ECG representativos almacenados en la ubicación 148, los datos del paciente de la ubicación 152 de la memoria 104 de almacenamiento y la definición del clasificador de red neuronal de diagnóstico de BrS de la ubicación 150 y el bloque 212 pueden indicar al procesador 100 analizadorque haga que el clasificador de la red neuronal del diagnóstico de BrS se aplique a los registros de trazos de ECG concatenados, los datos del paciente y el elemento de sesgo, que puede haberse definido en la definición del clasificador de red neuronal de diagnóstico de BrS, por ejemplo, para determinar una puntuación de diagnóstico de BrS. En diversas realizaciones, el bloque 212 puede indicar al procesador 100 analizador que almacene una representación de la puntuación de diagnóstico de BrS en la ubicación 154 de la memoria 104 de almacenamiento.

En algunas realizaciones, el diagrama 200 de flujo que se muestra en la Figura 3 puede incluir un bloque adicional para indicar al procesador 100 analizador para que produzca señales que representen una o más puntuaciones relevantes para el diagnóstico para hacer que al menos una pantalla muestre una representación de uno o más puntajes relevantes para el diagnóstico. Por ejemplo, en algunas realizaciones, el bloque puede indicar al procesador 100 analizador que transmita señales que representan la puntuación de diagnóstico de BrS, tomadas desde la ubicación 154 de la memoria 104 de almacenamiento, a la pantalla 16 a través de la interfaz 122 de la interfaz 112 de I/O, para hacer que la pantalla 16 muestre la puntuación del diagnóstico de BrS como un indicador binario o categórico, y/o un número que indica la probabilidad de un diagnóstico positivo o negativo.

En diversas realizaciones, la pantalla 16 puede ser vista por el paciente y/o un profesional médico y, al ver la representación de la puntuación de diagnóstico de BrS en la pantalla 16, el paciente y/o el profesional médico pueden tomar medidas. En diversas realizaciones, al ver una puntuación de diagnóstico de BrS alto que indica una alta confianza en la máquina de que el paciente tiene BrS, el paciente puede buscar asesoramiento médico especializado para establecer la estrategia más adecuada para confirmar el diagnóstico y evaluar el riesgo de SCD de acuerdo con las pautas en el campo.

En algunas realizaciones, el bloque puede incluir códigos para indicar al procesador 100 analizador que determine si la puntuación del diagnóstico de BrS es mayor que la puntuación de umbral de enfermedad positiva, como, por ejemplo, 0.900, y si la puntuación del diagnóstico de BrS es mayor que la puntuación de umbral, producir señales para hacer que la pantalla 16 presente una indicación de que el paciente es positivo para la enfermedad.

En algunas realizaciones, el bloque puede incluir códigos para indicar al procesador 100 analizador que determine si la puntuación de diagnóstico de BrS es inferior a una puntuación de umbral negativa de enfermedad, tal como, por ejemplo, 0.100, y si la puntuación de diagnóstico de BrS es inferior a la puntuación de umbral, producir señales para hacer que la pantalla 16 presente una indicación de que el paciente es negativo para la enfermedad.

Entrenamiento de red neuronal

Como se discutió anteriormente, en diversas realizaciones, los datos de definición de red neuronal pueden almacenarse en la ubicación 150 de la memoria 104 de almacenamiento del analizador 12 de ECG. En algunas realizaciones, los datos de definición de la red neuronal pueden haberse generado durante el entrenamiento de la red neuronal. Con referencia ahora a la Figura 13, se muestra un sistema 700 para facilitar el análisis de ECG que incluye el entrenamiento de red neuronal, de acuerdo con diversas realizaciones.

Haciendo referencia a la Figura 13, el sistema 700 incluye un analizador 702 de ECG en comunicación con una fuente 704 de datos de ECG del paciente y una pantalla 706. En diversas realizaciones, el analizador 702 de ECG, la fuente 704 de datos de ECG del paciente y la pantalla 706 pueden incluir una funcionalidad generalmente similar a la descrita anteriormente teniendo en cuenta el analizador 12 de ECG, la fuente 14 de datos de ECG y la pantalla 16 que se muestra en la Figura 1. En algunas realizaciones, el analizador 702 de ECG puede usar como entrada un electrocardiograma de un paciente desconocido y usar un clasificador de red neuronal de ECG para predecir un diagnóstico de BrS y/u otros trastornos eléctricos primarios.

Con referencia a la Figura 13, en diversas realizaciones, el sistema 700 también incluye un entrenador 708 de red neuronal de ECG en comunicación con una fuente 710 de datos de entrenamiento de ECG. En diversas realizaciones, el analizador 702 de ECG puede estar en comunicación con el entrenador 708 de red neuronal de ECG a través de una red 712, que en algunas realizaciones puede incluir Internet, por ejemplo.

En funcionamiento, el entrenador 708 de red neuronal de ECG puede configurarse para usar datos de ECG, incluidos datos tomados de la fuente 710 de datos de entrenamiento de ECG para entrenar uno o más clasificadores de red neuronal, tales como, por ejemplo, un clasificador de red neuronal de diagnóstico BrS. En algunas realizaciones, el entrenador 708 de red neuronal de ECG puede configurarse para usar datos de ECG, incluyendo los datos tomados de la fuente 710 de datos de entrenamiento de ECG para entrenar el clasificador de red neuronal de diagnóstico de BrS descrito anteriormente con respecto al sistema 10 que se muestra en la Figura 1, y para proporcionar datos que definen uno o más clasificadores de red neuronal al analizador 702 de ECG que se muestra en la Figura 13. En algunas realizaciones, el clasificador de red neuronal de BrS puede entrenarse a partir de un conjunto completo de datos de electrocardiogramas acompañados de diagnósticos médicos conocidos, representados en el espacio de características de diagnóstico como una variable categórica binaria.

En algunas realizaciones, en una fase de entrenamiento, el entrenador 708 de red neuronal de ECG puede recopilar información de trazo de ECG de una o más fuentes de datos de ECG de pacientes, junto con datos de pacientes asociados y diagnósticos adjuntos, para construir una biblioteca de datos seleccionados almacenados en la fuente 710 de datos 710 de entrenamiento de ECG. En algunas realizaciones, a medida que la biblioteca de datos crece en tamaño, puede producir modelos de diagnóstico de solidez y/o fiabilidad crecientes.

Haciendo referencia a la Figura 14, se muestra una vista esquemática del entrenador 708 de red neuronal de ECG del sistema 700 mostrado en la Figura 13 de acuerdo con diversas realizaciones. En diversas realizaciones, los elementos del entrenador 708 de red neuronal de ECG que son similares a los elementos del analizador 12 de ECG que se muestra en la Figura 2 pueden funcionar en general como se describe anteriormente teniendo en cuenta el analizador 12 de ECG que se muestra en la Figura 2.

Haciendo referencia a la Figura 14, el entrenador 708 de red neuronal ECG incluye un circuito de procesador que incluye un procesador 800 de entrenamiento y una memoria 802 de programa, una memoria 804 de almacenamiento y una interfaz 812 de entrada/salida (I/O), todos los cuales están en comunicación con el procesador 800 de entrenamiento.

La interfaz 812 de I/O incluye una interfaz 820 para comunicarse con la fuente 710 de datos de entrenamiento de ECG que se muestra en la Figura 13 y una interfaz 822 para comunicarse con el analizador 702 de ECG a través de la red 712.

Los códigos de programa ejecutables por procesador para dirigir el procesador 800 de entrenamiento para que lleve a cabo diversas funciones se almacenan en la memoria 802 de programa. Con referencia a la Figura 13, la memoria 802 de programa incluye un bloque de códigos 870 para dirigir el entrenador 708 de red neuronal de ECG para realizar funciones de entrenamiento de red neuronal de ECG facilitadoras.

La memoria 804 de almacenamiento incluye una pluralidad de ubicaciones de almacenamiento que incluyen la ubicación 840 para almacenar datos de ECG de entrenamiento, la ubicación 842 para almacenar datos de diagnóstico, la ubicación 844 para almacenar datos de pacientes, la ubicación 849 para almacenar datos de componentes principales, la ubicación 846 para almacenar datos de identificador de pico R, la ubicación 848 para almacenar datos de segmento de trazo de ECG, la ubicación 850 para almacenar datos de subconjuntos de segmento de trazo de ECG, la ubicación 852 para almacenar datos de trazo de ECG representativos y la ubicación 854 para almacenar datos de red neuronal.

En algunas realizaciones, la memoria 802 de programa, la memoria 804 de almacenamiento y/o cualquier porción de la misma puede incluirse en un dispositivo separado del entrenador 708 de red neuronal de ECG y en comunicación con el entrenador 708 de red neuronal de ECG a través de la interfaz 812 de I/O, por ejemplo. En algunas realizaciones, la funcionalidad del procesador 800 de entrenador y/o el entrenador 708 de red neuronal de ECG como se describe en el presente documento puede implementarse usando una pluralidad de procesadores y/o una pluralidad de dispositivos, que pueden ser dispositivos distintos que están en comunicación a través de respectivas interfaces y/o una red, tal como Internet, por ejemplo.

En diversas realizaciones, el entrenador 708 de red neuronal de ECG que se muestra en las Figuras 13 y 14 puede configurarse para facilitar el entrenamiento de red neuronal de ECG. Con referencia a la Figura 15, un diagrama de flujo que representa bloques de código para dirigir el procesador 800 de entrenamiento que se muestra en la Figura 14 para realizar funciones de entrenamiento de red neuronal de ECG facilitadoras de acuerdo con diversas realizaciones se muestra generalmente en 900. Los bloques de código incluidos en el diagrama 200 de flujo pueden codificarse en el bloque de códigos 870 de la memoria 102 de programa que se muestra en la Figura 14, por ejemplo.

Con referencia a la Figura 15, el diagrama 900 de flujo comienza con el bloque 902 que indica al procesador 800 de entrenamiento recibir una pluralidad de conjuntos de trazos de ECG de entrenamiento, en el que cada conjunto de conjuntos de trazos de ^eC^gde entrenamiento representa la actividad cardíaca detectada durante un período de tiempo de entrenamiento para un respectivo paciente de entrenamiento asociado de una pluralidad de pacientes de entrenamiento. A continuación, el bloque 904 ordena al procesador 800 de entrenamiento que reciba, para cada conjunto de la pluralidad de conjuntos de trazos de ECG de entrenamiento, un diagnóstico respectivo para el paciente de entrenamiento asociado con el conjunto de trazos de ECG de entrenamiento.

En algunas realizaciones, por ejemplo, la fuente 710 de datos de entrenamiento de ECG puede haber recibido previamente datos de entrenamiento que incluyen un conjunto de trazos de ECG de entrenamiento y un diagnóstico asociado para cada uno de una pluralidad de pacientes. En algunas realizaciones, por ejemplo, la fuente 710 de datos de entrenamiento de ECG puede haber almacenado datos de entrenamiento de ECG para una pluralidad de pacientes de entrenamiento en la que los datos de ECG incluyen, para cada paciente, 12 registros de trazo de ECG de entrenamiento, uno de los cuales se muestra a modo de ejemplo en 940 en la Figura 16, con cada uno de los registros de trazo de ECG de entrenamiento representando un trazo de ECG detectado de uno de los 12 cables utilizados con el paciente. Con referencia a la Figura 16, el registro 940 de trazo de ECG de entrenamiento incluye un campo 942 de identificador de paciente para almacenar un identificador de paciente que identifica a uno de los pacientes de entrenamiento y un campo 944 de identificador de cable para almacenar un identificador de cable que identifica el cable para el cual se generó el registro 940 de trazo de ECG de entrenamiento.

Con referencia todavía a la Figura 16, el registro 940 de trazo de ECG de entrenamiento también incluye campos 948 de voltaje de ECG detectados que pueden ser en general como se describe anteriormente teniendo en cuenta el registro 260 de trazo de ECG que se muestra en la Figura 4. En diversas realizaciones, los 12 registros de trazo de ECG de entrenamiento almacenados por la fuente 710 de datos de entrenamiento de ECG para un paciente de entrenamiento pueden actuar como un conjunto de trazos de ECG de entrenamiento que representan la actividad cardíaca detectada durante un período de tiempo de entrenamiento para el paciente de entrenamiento.

En algunas realizaciones, los datos de entrenamiento de ECG almacenados por la fuente 710 de datos de entrenamiento de ECG pueden incluir un diagnóstico respectivo para cada uno de los pacientes de entrenamiento y, por lo tanto, para cada uno de los conjuntos de trazos de ECG de entrenamiento. En diversas realizaciones, por ejemplo, los datos de entrenamiento de ECG pueden incluir una pluralidad de registros de diagnóstico, uno ejemplar de los cuales se muestra en 1000 en la Figura 17, cada uno de los registros de diagnóstico asociados con un paciente de entrenamiento y un conjunto de registros de trazo de ECG de entrenamiento. En algunas realizaciones, el registro 1000 de diagnóstico se puede asociar con un paciente de entrenamiento y un conjunto de trazos de ECG de entrenamiento al incluir un campo 1002 de identificador de paciente para almacenar un identificador de paciente que puede ser común con el identificador de paciente incluido en el conjunto de trazos de ECG de entrenamiento.

Con referencia a la Figura 17, el registro 1000 de diagnóstico también puede incluir un campo 1004 de diagnóstico para almacenar un identificador de diagnóstico que representa un diagnóstico para el paciente de entrenamiento identificado por el identificador de paciente almacenado en el campo 1002 de identificador de paciente. Por ejemplo, en algunas realizaciones, el campo 1004 de diagnóstico puede almacenar un valor de identificador de diagnóstico de BrS que puede establecerse en 1 si al paciente se le diagnostica BrS y se puede establecer en 0 si al paciente se le diagnostica que no tiene BrS.

En algunas realizaciones, los valores para los campos de identificador de diagnóstico en los registros de diagnóstico almacenados en la fuente 710 de datos de entrenamiento de ECG pueden haber sido proporcionados previamente por profesionales médicos, quienes pueden haber revisado el conjunto asociado de trazos de ECG de entrenamiento y/u otra información relacionada con el paciente.

Volviendo a la Figura 15, el bloque 902 puede indicar al procesador 800 de entrenamiento que reciba un mensaje que incluya una representación de los registros de trazo de ECG de entrenamiento almacenados en la fuente 710 de datos de entrenamiento de ECG a través de la interfaz 820, por ejemplo. En algunas realizaciones, el bloque 902 puede ordenar al procesador 800 de entrenamiento que almacene los registros de trazo de ECG de entrenamiento en la ubicación 840 de la memoria 804 de almacenamiento que se muestra en la Figura 14.

El bloque 904 puede indicar al procesador 800 de entrenamiento que reciba un mensaje que incluya una representación de los registros de diagnóstico almacenados en la fuente 710 de datos de entrenamiento de ECG a través de la interfaz 820, por ejemplo. En algunas realizaciones, el bloque 904 puede indicar al procesador 800 de entrenamiento que almacene los registros de diagnóstico en la ubicación 842 de la memoria 804 de almacenamiento que se muestra en la Figura 14.

En algunas realizaciones, los bloques 902 y 904 pueden ejecutarse simultáneamente y los conjuntos de trazos de ECG de entrenamiento y los diagnósticos asociados pueden recibirse simultáneamente.

En algunas realizaciones, la fuente 710 de datos de entrenamiento de ECG puede tener datos del paciente almacenados o factores de variación asociados con cada uno de los pacientes de entrenamiento y el diagrama 900 de flujo puede incluir un bloque de códigos que dirigen al procesador 800 de entrenamiento para recibir representaciones de los datos del paciente. En algunas realizaciones, por ejemplo, los datos del paciente pueden haber sido almacenados en una pluralidad de registros de datos del paciente en la fuente 710 de datos de entrenamiento de ECG y cada uno puede incluir un campo de identificador del paciente y uno o más campos de datos del paciente que almacenan uno o más valores de datos del paciente que representan los datos del paciente para el paciente de entrenamiento identificado por el campo de identificador de paciente. En tales realizaciones, el diagrama 900 de flujo puede incluir bloques de código que indican al procesador 800 de entrenamiento para recibir representaciones de los registros de datos del paciente desde la fuente 710 de datos de entrenamiento de ECG a través de la interfaz 820, por ejemplo. En algunas realizaciones, el bloque puede ordenar al procesador 800 de entrenamiento que almacene los datos del paciente en la ubicación 844 de la memoria 804 de almacenamiento.

En vista de lo anterior, después de la ejecución de los bloques 902 y 904, el entrenador 708 de red neuronal de ECG puede haber almacenado en las ubicaciones 840 y 842 de la memoria 804 de almacenamiento una pluralidad de conjuntos de registros de trazos de ECG de entrenamiento y un registro de diagnóstico respectivo asociado con cada uno de los conjuntos de registros de trazos de ECG de entrenamiento. En algunas realizaciones, el entrenador 708 de red neuronal de ECG también puede haber almacenado en la ubicación 844 de la memoria 804 de almacenamiento datos adicionales del paciente. En diversas realizaciones, esta información puede actuar como datos de ECG de entrenamiento que pueden usarse para entrenar al menos un clasificador de red neuronal, como se describe a continuación.

Con referencia a la Figura 15, los bloques 906 a 912 del diagrama 900 de flujo que se muestra en la Figura 15 pueden funcionar generalmente de manera similar a los bloques 204 a 210 del diagrama 200 de flujo que se muestra en la Figura 3, excepto que los bloques 906 a 912 se pueden ejecutar con respecto a cada registro de trazo de ECG de entrenamiento almacenado en la ubicación 840 de la memoria 804 de almacenamiento.

El bloque 906 indica al procesador 800 de entrenamiento que considere uno de los trazos de ECG de entrenamiento como un trazo de ECG de entrenamiento del sujeto. En algunas realizaciones, tras una primera ejecución del bloque 906, el bloque 906 puede indicar al procesador 800 de entrenamiento que considere un primer identificador de paciente de entrenamiento y que considere un primer registro de trazo de ECG de entrenamiento que tenga un identificador de paciente que coincida con el primer identificador de paciente de entrenamiento. En algunas realizaciones, por ejemplo, el bloque 906 puede indicar al procesador 800 de entrenamiento que considere el registro 940 de trazo de ECG de entrenamiento que se muestra en la figura 16 como el primer registro de trazo de ECG de entrenamiento.

El bloque 908 luego dirige al procesador 800 de entrenamiento para que, para el trazo de ECG de entrenamiento del sujeto, identifique una pluralidad de segmentos de trazos de ECG de entrenamiento correspondientes, representando cada uno de los segmentos de trazos de ECG de entrenamiento la actividad cardíaca del paciente durante un segmento del período de tiempo de entrenamiento. En algunas realizaciones, el bloque 908 puede incluir un código generalmente similar al incluido en el bloque 206 del diagrama 200 de flujo que se muestra en la Figura 3 y que se analizó anteriormente.

En diversas realizaciones, después de la ejecución del bloque 908 que se muestra en la Figura 15, un registro de identificador de pico R de entrenamiento que tiene un formato generalmente similar al registro 340 de identificador de pico R que se muestra en la Figura 6, excepto que el identificador de pico R de entrenamiento puede incluir un campo de identificador de paciente, puede almacenarse en la ubicación 846 de la memoria 804 de almacenamiento y una pluralidad de registros de segmento de trazo de ECG de entrenamiento, teniendo cada uno un formato generalmente similar al registro 380 de segmento de trazo de ECG detectado que se muestra en la Figura 7,excepto que los registros de segmento de trazo de ECG de entrenamiento tienen cada uno un campo de identificador de paciente, pueden almacenarse en la ubicación 848 de la memoria 804 de almacenamiento.

El bloque 910 luego dirige al procesador 800 de entrenamiento para determinar un trazo de ECG de entrenamiento representativo con base en al menos uno de los segmentos de trazos de ECG de entrenamiento correspondientes identificados. En diversas realizaciones, el bloque 910 puede incluir un código generalmente similar al del bloque 210 del diagrama 200 de flujo que se muestra en la figura 3 y se analiza anteriormente.

En algunas realizaciones, el bloque 910 puede indicar al procesador 800 de entrenamiento que identifique o determine un subconjunto de los registros de segmentos de trazos de ECG de entrenamiento determinados en el bloque 908. En algunas realizaciones, el bloque 910 puede indicar al procesador 800 de entrenamiento que almacene los datos del componente principal en la ubicación 149 de la memoria 804 de almacenamiento. En diversas realizaciones, el bloque 910 puede indicar al procesador 800 de entrenamiento que almacene los registros de segmentos de trazos de ^eC^gde entrenamiento identificados en la ubicación 850 de la memoria 804 de almacenamiento. En algunas realizaciones, el bloque 910 puede indicar al procesador 800 de entrenamiento que determine un registro de trazos de ECG de entrenamiento representativo con base en los registros de segmento de trazos de ECG de entrenamiento almacenados en la ubicación 850 de la memoria 804 de almacenamiento, teniendo el registro de trazos de ECG de entrenamiento representativo generalmente el mismo formato como el registro 500 de trazo de ECG representativo que se muestra en la Figura 11, excepto que el registro de trazos de ECG de entrenamiento representativo puede incluir un campo de identificador de paciente. En algunas realizaciones, el bloque 910 puede ordenar al procesador 800 de entrenamiento que almacene el registro de trazo de ECG de entrenamiento representativo en la ubicación 852 de la memoria 804 de almacenamiento. Con referencia a la Figura 18, se muestra un registro 1040 de trazo de ECG de entrenamiento representativo de ejemplo que puede almacenarse en la ubicación 852 de la memoria 804 de almacenamiento en diversas realizaciones.

El bloque 912 indica entonces al procesador 800 de entrenamiento determinar si hay trazos de ECG de entrenamiento adicionales que se deban considerar. En algunas realizaciones, el bloque 912 puede indicar al procesador 800 de entrenamiento que determine si cualquier registro de trazo de ECG de entrenamiento almacenado en la ubicación 840 de la memoria 804 de almacenamiento aún no se ha considerado como un trazo de ECG de entrenamiento de sujeto para los fines de los bloques 908 y 910 del d diagrama 900 de flujo que se muestra en la Figura 15. Si se van a considerar trazos de ECG de entrenamiento adicionales, el procesador 800 de entrenamiento vuelve al bloque 906 y se considera un registro de trazo de ECG de entrenamiento adicional. Si se han considerado todos los registros de trazo de ECG de entrenamiento almacenados en la ubicación 840 de la memoria 804 de almacenamiento, el procesador 800 de entrenamiento procede al bloque 914.

En consecuencia, cuando el procesador 800 de entrenamiento procede al bloque 914, puede almacenarse en la ubicación 848 de la memoria 804 de almacenamiento, una pluralidad de conjuntos de registros de trazos de ECG de entrenamiento representativos, incluyendo cada registro de trazo de ECG de entrenamiento representativo un campo de identificador de paciente que identifica un paciente de entrenamiento para el que se determinó el registro y un campo de identificador de cable que identifica el cable para el que se determinó el registro. En algunas realizaciones, la ubicación 848 de la memoria 804 de almacenamiento puede almacenar registros de trazo de ECG de entrenamiento representativos para unos pocos cientos de pacientes, lo que puede proporcionar una precisión aceptable para la identificación de enfermedades, tales como, por ejemplo, una precisión cercana al 70 % en algunas realizaciones. En algunas realizaciones, la ubicación 848 de la memoria 804 de almacenamiento puede almacenar registros de trazo de ECG de entrenamiento representativos para más de 1000 pacientes, lo que puede proporcionar una precisión de aproximadamente 85 % en algunas realizaciones. En algunas realizaciones, la ubicación 848 de la memoria 804 de almacenamiento puede almacenar registros de trazo de ECG de entrenamiento representativos para más de 10.000 pacientes o más de 100.000 pacientes.

El bloque 914 dirige al procesador 800 de entrenamiento para que haga que al menos un clasificador de red neural sea entrenado usando los trazos de ECG de entrenamiento representativos y los diagnósticos. En algunas realizaciones, los datos de la red neuronal inicial que definen la arquitectura de un clasificador de red neuronal de diagnóstico de BrS y/o un propio clasificador de red neuronal de diagnóstico BrS inicial pueden almacenarse en la ubicación 854 de la memoria 804 de almacenamiento. En diversas realizaciones, los datos iniciales de la red neuronal se pueden haber proporcionado previamente al configurar el entrenador 708 de red neuronal de ECG, por ejemplo.

En algunas realizaciones, la arquitectura del clasificador de la red neuronal de diagnóstico de BrS puede incluir un perceptrón multicapa con base en una red neuronal artificial de avance, que consiste en capas de entrada, ocultas y de salida. Por ejemplo, la arquitectura general para el clasificador de red neuronal de diagnóstico de BrS puede representarse como se muestra en 540 en la Figura 12. Las capas ocultas incluidas en este clasificador de red neuronal pueden asignar la capa de entrada a una capa de salida categórica binaria (que puede incluir una representación de un diagnóstico, por ejemplo, un valor de diagnóstico de BrS). En algunas realizaciones, se puede usar una capa oculta que contiene 100 neuronas, aunque en algunas realizaciones se pueden usar más o menos neuronas y/o capas. En algunas realizaciones, el bloque 914 puede indicar al procesador 800 de entrenamiento que use los datos de los campos de voltaje de ECG de los registros de trazo de ECG de entrenamiento representativos almacenados en la ubicación 852 de la memoria 804 de almacenamiento y los datos del paciente almacenados en la ubicación 844 de la memoria 804 de almacenamiento como entradas y los valores de campo de diagnóstico de los registros de diagnóstico almacenados en la ubicación 842 de la memoria 804 de almacenamiento como salidas deseadas respectivas, para cada paciente de entrenamiento, para entrenar el clasificador de red neuronal de diagnóstico de BrS y actualizar los datos que definen el clasificador de red neuronal de diagnóstico de BrS almacenado en la ubicación 854 de la memoria 804 de almacenamiento.

Por ejemplo, en algunas realizaciones, el bloque 914 puede indicar al procesador 800 de entrenamiento que, para un paciente en particular o identificador de paciente, concatene los valores de los campos de voltaje de ECG de todos los registros de trazo de ECG de entrenamiento representativos para el paciente, en orden desde el cable 1 el cable 12, por ejemplo, y usar eso como entradas 542 de X^ecgy usar los valores de los campos de datos del paciente para ese paciente almacenado en la ubicación 844 de la memoria 804 de almacenamiento como entradas 544 de Xfov y usar el valor del campo de diagnóstico para el paciente como una salida deseada.

En algunas realizaciones, el bloque 914 puede indicar al procesador 800 de entrenamiento que entrene las capas ocultas para asignar la capa de entrada a la capa de salida categórica binaria usando un algoritmo de optimización, tal como, por ejemplo, descenso de gradiente conjugado escalado, descenso de gradiente estocástico, estimación de momento adaptativo, y/o cualquier otro algoritmo de optimización, junto con un algoritmo de retropropagación, de manera que el clasificador de red neuronal se entrena usando datos para una pluralidad de pacientes de entrenamiento.

En algunas realizaciones, el bloque 914 puede indicar al procesador 800 de entrenamiento que produzca datos de rendimiento cuantitativos asociados que caractericen la precisión de las clasificaciones, tales como, por ejemplo, mediante la evaluación comparativa de la red neuronal por medio de una matriz de confusión o un área bajo la curva característica del receptor-operador (AUC-ROC). En algunas realizaciones, el bloque 914 puede indicar al procesador 800 de entrenamiento que emplee un algoritmo de optimización que minimice una de esas medidas de rendimiento, por ejemplo, una función de pérdida logarítmica, también denominada función de entropía cruzada binaria, que cuantifica la probabilidad de una clasificación incorrecta en el espacio numérico logarítmico. En diversas realizaciones, se puede elegir un método de entrenamiento de red neuronal particular (es decir, dividir los datos aleatoriamente en partes, rechazar ciertos datos de entrenamiento en función de los resultados y volver a entrenar) cuando se construye el modelo de clasificación de red neuronal.

En diversas realizaciones, después de que se haya ejecutado el bloque 914, los datos que definen un clasificador de red neuronal de diagnóstico de BrS entrenado pueden almacenarse en la ubicación 854 de la memoria 804 de almacenamiento.

En algunas realizaciones, el bloque 914 puede indicar al procesador 800 de entrenamiento que produzca señales que representen el clasificador de red neuronal de diagnóstico de BrS entrenado para hacer que una representación del clasificador de red neuronal de diagnóstico de BrS entrenado se transmita al analizador 702 de ECG que se muestra en la Figura 13. En algunas realizaciones, el analizador 702 de ECG puede incluir un circuito de procesador generalmente como se muestra en la Figura 2 y el analizador 702 de ECG puede dirigir el procesador del analizador 702 de ECG para almacenar la representación del clasificador de red neuronal de diagnóstico de BrS entrenado en una ubicación similar a la ubicación 150 del analizador 12 de ECG que se muestra en la Figura 2.

En diversa realizaciones, el analizador 702 de ECG puede configurarse para ejecutar el diagrama 200 de flujo que se muestra en la Figura 3, en general como se describe anteriormente, para usar el clasificador de red neuronal de diagnóstico de BrS entrenado y determinar una puntuación de diagnóstico de BrS para un paciente.

Diversas realizaciones

En algunas realizaciones, cualquiera o todo el sistema 10 que se muestra en la Figura 1 puede implementarse como un solo dispositivo o como dispositivos separados. Por ejemplo, en algunas realizaciones, la funcionalidad descrita en el presente documento realizada por el analizador 12 de ECG puede ser realizada por dispositivos separados. Por ejemplo, en algunas realizaciones, el analizador 12 de ECG, la fuente 14 de datos de ECG y la pantalla 16 pueden incorporarse en un solo dispositivo, que puede ser un dispositivo portátil, tal como un rastreador de actividad física y/o un dispositivo de reloj de pulsera, por ejemplo, que puede configurarse para capturar datos de ECG utilizando sensores incluidos en el dispositivo.

En algunas realizaciones, una realización portátil de la fuente 14 de datos de ECG puede recopilar un registro 260 de trazo de ECG durante un período de medición más largo, tal como durante la noche o durante un período de uno o más días, por ejemplo, para capturar datos raros o intervalos de latidos cardíacos aislados de utilidad diagnóstica.

En algunas realizaciones, el analizador 12 de ECG puede implementarse utilizando más de un dispositivo y/o circuito de procesador, de modo que diversas funcionalidades del analizador 12 de ECG pueden ser realizadas por diferentes dispositivos.

En algunas realizaciones, la aplicación de al menos un clasificador de red neuronal puede ser realizada por un dispositivo de procesamiento de red neuronal en comunicación con el analizador 12 de ECG, por ejemplo, para reducir los requisitos de procesamiento del analizador 12 de ECG. En tales realizaciones, los datos que definen al menos un clasificador de red neuronal pueden almacenarse en el dispositivo de procesamiento de red neuronal, y el bloque 212 del diagrama 200 de flujo que se muestra en la Figura 3 puede indicar al analizador 12 de ECG que transmita las entradas para al menos un clasificador de red neuronal al dispositivo de procesamiento de red neuronal para hacer que el dispositivo determine una o más puntuaciones relevantes para el diagnóstico. En algunas realizaciones, el dispositivo de procesamiento de red neuronal puede configurarse para enviar una representación de la una o más puntuaciones relevantes para el diagnóstico al analizador 12 de ECG, una vez que se determinan.

En diversas realizaciones, se pueden usar cables adicionales o menos para generar los registros de trazo de ECG detectados. Por ejemplo, en algunas realizaciones, se puede generar un registro de trazo de ECG de detección única y el analizador 12 de ECG puede configurarse para utilizar el registro de trazo de ECG de detección única. En consecuencia, en diversas realizaciones, los bloques 204 y 210 del diagrama 200 de flujo que se muestra en la Figura 3 pueden omitirse.

En algunas realizaciones, los datos manejados por el analizador 12 de ECG pueden estar asociados con un paciente en particular. Por ejemplo, en algunas realizaciones, el registro 260 de trazo de ECG detectado, el registro 340 de identificador de pico R, el registro 380 de segmento de trazo de ECG detectado y el registro 500 de trazo de ECG representativo pueden incluir campos de identificador de paciente para almacenar un identificador de paciente que identifica al paciente al que se aplican los datos.

En algunas realizaciones, el entrenador 708 de red neuronal de ECG del sistema 700 que se muestra en la Figura 13 puede configurarse para actualizar los datos de la red neuronal almacenados en la ubicación 854 de la memoria 804 de almacenamiento que se muestra en la Figura 14. Por ejemplo, en algunas realizaciones, el entrenador 708 de red neuronal de ECG puede configurarse para recibir un conjunto de trazos de ECG de entrenamiento y un diagnóstico asociado para un nuevo paciente de entrenamiento y para actualizar los datos de la red neuronal usando la información recibida. En algunas realizaciones, una vez que se han actualizado los datos de la red neuronal, el entrenador 708 de la red neuronal de ECG puede transmitir al analizador 702 de ECG la información actualizada de la red neuronal.

En algunas realizaciones, el sistema 700 puede incluir una pluralidad de sistemas generalmente similares al sistema 10 que se muestra en la Figura 1, cada uno en comunicación con el entrenador 708 de red neuronal de ECG, y el entrenador de red neuronal de ECG puede configurarse para enviar la información de red neuronal actualizada a cada uno de los analizadores de ECG incluidos en los sistemas.

Si bien en algunas realizaciones descritas anteriormente, los sistemas 10 y/o 700 que se muestran en las Figuras 1 y 13 pueden configurarse para facilitar el diagnóstico de BrS en particular, en diversas realizaciones, se pueden diagnosticar o ayudar en el diagnóstico de síndromes, enfermedades y/o trastornos adicionales o alternativos utilizando un sistema generalmente similar a los sistemas 10 y/o 700 descritos anteriormente, tales como trastornos eléctricos primarios analíticos, posiblemente idiopáticos, tales como por ejemplo, síndrome de Wolff-Parkinson-White, síndrome de repolarización temprana, síndrome de QT largo, síndrome de QT corto y bloqueo completo o incompleto de rama derecha o izquierda, así como miocardiopatías, tales como, por ejemplo, miocardiopatía o displasia arritmogénica del ventrículo derecho, miocardiopatía no compactada del ventrículo izquierdo, miocardiopatía hipertrófica, miocardiopatía dilatada, miocardiopatía isquémica, miocardiopatía restrictiva y/u otras miocardiopatías idiopáticas. Por consiguiente, en diversas realizaciones, el clasificador de red neuronal de diagnóstico de BrS descrito en el presente documento puede ser reemplazado por otro clasificador de red neuronal de diagnóstico de enfermedad arritmogénica configurado para generar una puntuación de diagnóstico para un diagnóstico de enfermedad arritmogénica. En dichas realizaciones, el clasificador de red neuronal de diagnóstico de enfermedades arritmogénicas puede entrenarse usando datos asociados con el diagnóstico de enfermedades arritmogénicas.

Haciendo referencia a las Figuras 19-24, se muestran las respectivas representaciones de los ECG 1100, 1120, 1140, 1160, 1180 y 1200 de referencia que capturan los estados de reposo de los respectivos pacientes, junto con las respectivas representaciones de los ECG 1102, 1122, 1142, 1162, 1182, y 1202 obtenidos después de desafiar a los respectivos pacientes mediante la administración del fármaco bloqueante de los canales de sodio, ajmalina.

Con referencia a la Figura 19, el paciente presenta un patrón de BrS de tipo 2, que cambia a tipo 1 después de la administración de ajmalina. En algunas realizaciones, el analizador 12 de ECG del sistema 10 que se muestra en la Figura 1 puede identificar correctamente el estado de enfermedad de este paciente como positivo para la enfermedad a partir de un análisis del ECG 1100 de referencia. En algunas realizaciones, por ejemplo, la puntuación de BrS determinada con base en el ECG 1100 de referencia puede ser 0,998. Haciendo referencia a la Figura 20, el ECG 1120 de referencia muestra un bloqueo de rama derecha incompleto que se convierte en un patrón de ECG de BrS de tipo 1 después del desafío con ajmalina. En algunas realizaciones, el analizador 12 de ECG del sistema 10 que se muestra en la Figura 1 puede identificar correctamente el estado de enfermedad de este paciente como positivo para la enfermedad a partir de un análisis del ECG 1120 de referencia. En algunas realizaciones, por ejemplo, la puntuación de BrS determinada con base en el ECG 1120 de referencia puede ser 1,000.

Haciendo referencia a la Figura 21, el ECG 1140 de referencia muestra anomalías leves en los cables precordiales superiores derechos con desafío con ajmalina que resulta positiva para Brs que muestra un patrón de tipo 1. En algunas realizaciones, el analizador 12 de ECG del sistema 10 que se muestra en la Figura 1 puede identificar correctamente el estado de enfermedad de este paciente como positivo para la enfermedad a partir de un análisis del ECG 1140 de referencia. En algunas realizaciones, por ejemplo, la puntuación de BrS determinada con base en ECG 1140 de referencia puede ser 1.000.

Con referencia a la Figura 22, el análisis del ECG 1160 y el ECG 1162 de referencia después del desafío con ajmalina puede ser consistente con un diagnóstico negativo de BrS. En algunas realizaciones, el analizador 12 de ECG del sistema 10 que se muestra en la Figura 1 puede identificar correctamente el estado de enfermedad de este paciente como enfermedad negativa a partir de un análisis del ECG 1160 de referencia. En algunas realizaciones, por ejemplo, la puntuación de BrS determinada con base en el ECG 1160 de referencia puede ser 0,058. En algunas realizaciones, la confianza del diagnóstico negativo puede determinarse como la puntuación de BrS restada de 1 (por ejemplo, 1 0.058 = 0.942).

Con referencia a la Figura 23, el análisis del ECG 1180 y el ECG 1182 de referencia después del desafío con ajmalina puede ser consistente con un diagnóstico negativo de BrS. En algunas realizaciones, el analizador 12 de ECG del sistema 10 que se muestra en la Figura 1 puede identificar correctamente el estado de enfermedad de este paciente como enfermedad negativa a partir de un análisis del ECG 1180 de referencia. En algunas realizaciones, por ejemplo, la puntuación de BrS determinada con base en el ECG 1180 de referencia puede ser 0.028.

Con referencia a la Figura 24, el análisis del ECG 1200 y el ECG 1202 de referencia después del desafío con ajmalina puede ser consistente con un diagnóstico negativo de BrS. En algunas realizaciones, el analizador 12 de ECG del sistema 10 que se muestra en la Figura 1 puede identificar correctamente el estado de enfermedad de este paciente como enfermedad negativa a partir de un análisis del ECG 1200 de referencia. En algunas realizaciones, por ejemplo, la puntuación de BrS determinada con base en el ECG 1200 de referencia puede ser 0.010.

Si bien se han descrito e ilustrado realizaciones específicas de la invención, dichas realizaciones deben considerarse únicamente como ilustrativas de la invención y no como limitantes de la invención según se interpreta de acuerdo con las reivindicaciones adjuntas.

Claims

REIVINDICACIONES

1. Un método implementado por ordenador para facilitar el análisis de electrocardiograma ("ECG"), comprendiendo el método:

recibir uno o más trazos de ECG detectados para un paciente, representando cada uno de los trazos de ECG detectados la actividad cardíaca del paciente detectada durante un período de tiempo detectado;

para cada uno de los uno o más trazos de ECG detectados:

identificar una pluralidad de segmentos de trazos de ECG detectados correspondientes, representando cada uno de los segmentos de trazos de ECG detectado la actividad cardiaca del paciente detectada para el paciente durante un segmento del período de tiempo detectado; y

determinar un trazo de ECG representativo con base en al menos uno de los segmentos de trazos de ECG detectados correspondientes identificados; y

hacer que se aplique al menos un clasificador de red neuronal a uno o más trazos de ECG representativos determinados para determinar una o más puntuaciones relevantes para el diagnóstico relacionadas con al menos un diagnóstico del paciente;

caracterizado porque

determinar el trazo de ECG representativo comprende identificar un subconjunto de la pluralidad de segmentos de trazos de ECG detectados correspondientes, excluyendo el subconjunto al menos uno de la pluralidad de segmentos de trazos de ECG detectados correspondientes, y determinar el trazo de ECG representativo con base en el subconjunto identificado; y

en el que identificar el subconjunto de la pluralidad de segmentos de trazos de ECG detectados correspondientes comprende:

aplicar el análisis de componentes principales a la pluralidad de segmentos de trazos de ECG detectados correspondientes para determinar un conjunto respectivo de puntuaciones de componentes principales asociadas con cada uno de los segmentos de trazos de ECG detectados correspondientes; y

comparar las puntuaciones de los componentes principales para identificar el al menos uno de la pluralidad de segmentos de trazos de ECG detectados correspondientes a excluir del subconjunto.

2. El método de la reivindicación 1, en el que cada uno de los conjuntos de puntuaciones de componentes principales incluye una primera puntuación de componentes principales y una segunda puntuación de componentes principales y en el que comparar las puntuaciones de componentes principales comprende:

determinar un primer límite de confianza y un segundo límite de confianza a partir de las puntuaciones de los componentes principales primero y segundo, respectivamente; y

para cada uno de los segmentos de trazos de ECG detectados correspondientes, comparar las puntuaciones de los componentes principales primero y segundo asociadas con el segmento de trazo de ECG detectado con los límites de confianza primero y segundo.

3. El método de la reivindicación 2, en el que comparar las puntuaciones de los componentes principales primero y segundo asociadas con el segmento de trazo de ECG detectado con los límites de confianza primero y segundo comprende determinar si las puntuaciones de los componentes principales primero y segundo están fuera de una elipse que tiene un radio establecido por el límite de confianza primero y segundo, y si es así, identificar el segmento de trazo de ECG detectado que va a ser excluido del subconjunto.

4. El método de la reivindicación 2 o 3, en el que determinar los límites de confianza primero y segundo comprende aplicar el estadístico T2 de Hotelling a las puntuaciones de los componentes principales primero y segundo, respectivamente.

5. El método de la reivindicación 4, en el que aplicar l estadístico T2 de Hotelling a las puntuaciones de los componentes principales primero y segundo comprende utilizar el valor crítico de la distribución F con una confianza de al menos aproximadamente 95 %.

6. El método de una cualquiera de las reivindicaciones 1 a 5, en el que determinar el trazo de ECG representativo con base en el al menos uno de los segmentos de trazos de ECG detectados correspondientes identificados comprende promediar los segmentos de trazos de ECG detectados correspondientes incluidos en el subconjunto.

7. El método de una cualquiera de las reivindicaciones 1 a 6, en el que identificar la pluralidad de segmentos de trazos de ECG detectados correspondientes comprende identificar características comunes respectivas en los segmentos de trazos de ECG detectados e identificar los tiempos de inicio y finalización respectivos para cada uno de la pluralidad de segmentos de trazos de ECG detectados en relación con las características comunes identificadas.

8. El método de la reivindicación 7, en el que identificar las características comunes respectivas comprende identificar los picos R respectivos en cada uno de los segmentos de trazos de ECG detectados.

9. El método de una cualquiera de las reivindicaciones 1 a 8 que comprende además producir señales que representan una o más puntuaciones relevantes para el diagnóstico para hacer que al menos una pantalla muestre una representación de la una o más puntuaciones relevantes para el diagnóstico.

10. El método de una cualquiera de las reivindicaciones 1 a 9, en el que el al menos un clasificador de red neuronal incluye un clasificador de red neuronal de BrS.

11. El método de una cualquiera de las reivindicaciones 1 a 10 que comprende además entrenar el al menos un clasificador de red neuronal, comprendiendo el entrenamiento:

recibir una pluralidad de conjuntos de trazos de ECG de entrenamiento, en el que cada conjunto de conjuntos de trazos de ECG de entrenamiento representa la actividad cardiaca detectada durante un período de tiempo de entrenamiento para un paciente de entrenamiento asociado respectivo de una pluralidad de pacientes de entrenamiento;

recibir, para cada conjunto de la pluralidad de conjuntos de trazos de ECG de entrenamiento, un diagnóstico respectivo para el paciente de entrenamiento asociado con el conjunto de trazos de ECG de entrenamiento;

para cada uno de los trazos de ECG de entrenamiento:

identificar una pluralidad de segmentos de trazos de ECG de entrenamiento correspondientes, representando cada uno de los segmentos de trazos de ECG de entrenamiento la actividad cardíaca del paciente durante un segmento del período de tiempo de entrenamiento; y

determinar un trazo de ECG de entrenamiento representativo con base en al menos uno de los segmentos de trazos de ECG de entrenamiento correspondientes identificados; y

hacer que el al menos un clasificador de red neuronal sea entrenado utilizando los trazos de ECG de entrenamiento representativos y los diagnósticos.

12. Un método implementado por ordenador para facilitar el análisis de electrocardiograma ("ECG"), comprendiendo el método:

para cada uno de los trazos de ECG de entrenamiento:

identificar una pluralidad de segmentos de trazos de ECG de entrenamiento correspondientes, representando cada uno de los segmentos de trazos de ECG de entrenamiento la actividad cardíaca del paciente durante un segmento del período de tiempo de entrenamiento;

y determinar un trazo de ECG de entrenamiento representativo con base en al menos uno de los segmentos de trazos de ECG de entrenamiento correspondientes identificados;

y hacer que se entrene al menos un clasificador de red neuronal usando los trazos de ECG de entrenamiento representativos y los diagnósticos, el al menos un clasificador de red neuronal está configurado para generar una o más puntuaciones relevantes para el diagnóstico relacionadas con al menos un diagnóstico;

caracterizado porque

determinar el trazo de ECG de entrenamiento representativo comprende identificar un subconjunto de la pluralidad de segmentos de trazos de ECG de entrenamiento correspondientes, excluyendo el subconjunto al menos uno de la pluralidad de segmentos de trazos de ECG de entrenamiento correspondientes, y determinar el trazo de ECG de entrenamiento representativo con base en el subconjunto identificado y

en el que identificar el subconjunto de la pluralidad de segmentos de trazos de ECG de entrenamiento correspondientes comprende:

aplicar el análisis de componentes principales a la pluralidad de segmentos de trazos de ECG de entrenamiento correspondientes para determinar un conjunto respectivo de puntuaciones de componentes principales asociados con cada uno de los segmentos de trazos de ECG de entrenamiento correspondientes; y

comparar las puntuaciones de los componentes principales para identificar el al menos uno de la pluralidad de segmentos de trazos de ECG de entrenamiento correspondientes que se van a excluir del subconjunto.

13. El método de la reivindicación 12, en el que cada uno de los conjuntos de puntuaciones de componentes principales incluye una primera puntuación de componentes principales y una segunda puntuación de componentes principales y en el que comparar las puntuaciones de componentes principales comprende:

para cada uno de los segmentos de trazos de ECG de entrenamiento correspondientes, comparar las puntuaciones de los componentes principales primero y segundo asociados con el segmento de trazo de ECG de entrenamiento con los límites de confianza primero y segundo.

14. El método de la reivindicación 13, en el que comparar las puntuaciones de los componentes principales primero y segundo asociadas con el segmento de trazo de ECG de entrenamiento con los límites de confianza primero y segundo comprende determinar si las puntuaciones de los componentes principales primero y segundo están fuera de una elipse que tiene un radio establecido por el primer y segundo límite de confianza, y si es así, identificar el segmento de trazo de ECG de entrenamiento que se excluirá del subconjunto.

15. El método de la reivindicación 13 o 14, en el que determinar los límites de confianza primero y segundo comprende aplicar una ecuación estadística T2 de Hotelling a las puntuaciones de los componentes principales primero y segundo, respectivamente.

16. El método de la reivindicación 15, en el que aplicar la ecuación estadística T2 de Hotelling a las puntuaciones de los componentes principales primero y segundo comprende utilizar el valor crítico de la distribución F con una confianza de al menos aproximadamente 95 %.

17. El método de una cualquiera de las reivindicaciones 12 a 16, en el que determinar el trazo de ECG representativo con base en el al menos uno de los segmentos de trazos de ECG de entrenamiento correspondientes identificados comprende promediar los segmentos de trazos de ECG de entrenamiento correspondientes incluidos en el subconjunto.

18. El método de una cualquiera de las reivindicaciones 12 a 17, en el que identificar la pluralidad de segmentos de trazos de ECG de entrenamiento correspondientes comprende identificar características comunes respectivas en los segmentos de trazos de ECG de entrenamiento e identificar los tiempos respectivos de inicio y finalización para cada uno de la pluralidad de segmentos de trazos de ECG de entrenamiento en relación con las características comunes identificadas.

19. El método de la reivindicación 18, en el que la identificación de las respectivas características comunes comprende identificar los respectivos picos R en cada uno de los segmentos de trazos de ECG de entrenamiento.

20. El método de una cualquiera de las reivindicaciones 12 a 19, en el que el al menos un clasificador de red neuronal incluye un clasificador de red neuronal de BrS y en el que cada uno de los diagnósticos recibidos incluye un diagnóstico de BrS.

21. Un sistema para facilitar el análisis de electrocardiogramas ("ECG") que comprende al menos un procesador configurado para realizar el método de una cualquiera de las reivindicaciones 1 a 20.

22. Un medio legible por ordenador no transitorio que tiene códigos almacenados en el mismo que cuando son ejecutados por al menos un procesador hacen que el al menos un procesador realice el método de una cualquiera de las reivindicaciones 1 a 20.