Revista de Medicina y Cirugía Vascular

Abstracto

El aprendizaje automático de electrocardiogramas de 12 derivaciones identificó el riesgo hereditario y la vulnerabilidad a la fibrilación auricular

Avtar Singh

Los modelos de inteligencia artificial (IA) aplicados a las formas de onda del ECG de 12 derivaciones pueden predecir la fibrilación auricular (FA), una arritmia hereditaria y patológica. Planteamos la hipótesis de que la estimación del riesgo basada en ECGAI puede tener una base genética. Aplicamos el modelo ECGAI para predecir la fibrilación auricular en los ECG de 39.986 participantes del biobanco del Reino Unido sin fibrilación auricular. A continuación, realizamos un estudio de asociación del genoma completo (GWAS) del riesgo previsto de fibrilación auricular. Se identificaron tres señales (P <5E8) en los loci de sensibilidad a la FA establecidos marcados por el gen del sarcómero TTN y los genes del canal de sodio SCN5A y SCN10A. También identificamos dos nuevos loci cerca de los genes VGLL2 y EXT1. Por el contrario, el GWAS de la estimación del riesgo a partir de modelos de variables clínicas reveló diferentes perfiles genéticos. El riesgo de FA previsto a partir del modelo EKGAI se ve afectado por el sarcómero, los canales iónicos y la variación genética que sugiere vías ascendentes. El modelo ECGAI puede identificar individuos en riesgo de enfermedad a través de vías biológicas específicas.