SciELO - Scientific Electronic Library Online

 
vol.24 issue3Acute heart failure in the elderly: clinical features and mortality according to the left ventricular ejection fractionAssociation of epicardial adipose tissue with atrial fibrillation and prognosis following pulmonary vein ablation author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Article

Indicators

Related links

  • On index processCited by Google
  • Have no similar articlesSimilars in SciELO
  • On index processSimilars in Google

Share


Revista Colombiana de Cardiología

Print version ISSN 0120-5633

Abstract

DIAZ, John Jaime Sprockel; FERNANDEZ, Juan José Diaztagle  and  GUERRERO, Enrique González. Diagnóstico automático del síndrome coronario agudo utilizando un sistema multiagente basado en redes neuronales. Rev. Colomb. Cardiol. [online]. 2017, vol.24, n.3, pp.255-260.  Epub Apr 28, 2017. ISSN 0120-5633.  http://dx.doi.org/10.1016/j.rccar.2016.11.010.

Introducción:

Por tratarse de una tarea altamente compleja y de importancia clínica, el diagnóstico del síndrome coronario agudo se presta para su exploración por medio de modelado mediante sistemas inteligentes.

Objetivo:

desarrollar un sistema multiagente que ensamble las decisiones de varias redes neuronales para el diagnóstico del dolor torácico enfocado a los síndromes coronarios agudos.

Metodología:

estudio de pruebas diagnósticas en el que se entrenan un conjunto de redes neuronales con una precisión cercana al 70%, que luego son ensambladas mediante tres sistemas de votación para luego adicionar el resultado de redes especiales en poblaciones particulares y seleccionar la mejor configuración que hará parte de un sistema multiagente para el diagnóstico del dolor torácico.

Resultados:

Se generaron 84 redes con precisión promedio del 72% en pruebas; al ensamblarse aumentan dicha precisión hasta llegar a un máximo del 84% que tras la adición de los grupos especiales alcanza el 89%. Se escoge una conformación que brinda una sensibilidad del 96% con una especificidad del 77%, con valores predictivos positivo y negativo de 87 y 93% respectivamente para el diagnóstico de síndrome coronario agudo.

Conclusiones:

Es posible desarrollar una herramienta para el diagnóstico automático del síndrome coronario agudo a partir de un sistema multiagente que ensamble la disposición tomada por un conjunto de redes neuronales artificiales, cuyo rendimiento permite su consideración para su implementación dentro de un sistema de soporte a las decisiones clínicas.

Keywords : Diagnóstico; Síndrome coronario agudo; Infarto agudo de miocardio; Angina inestable; Dolor torácico.

        · abstract in English     · text in Spanish     · Spanish ( pdf )