Software para la detección y reporte de arritmias cardiacas en ECG con modelos de CNN y LLM

Abstract

Este proyecto es un software interactivo diseñado para digitalizar y optimizar el proceso de reportes y aprendizaje sobre arritmias cardíacas, dirigido tanto a médicos como a estudiantes de ciencias de la salud. Mediante este sistema, los estudiantes podrán mejorar significativamente su curva de aprendizaje al disponer de una herramienta digital avanzada que les permite observar en detalle el comportamiento de los latidos del corazón en un electrocardiograma (ECG). Este aprendizaje práctico es fundamental para desarrollar habilidades diagnósticas precisas. Además, los médicos se beneficiarán de esta herramienta al poder ofrecer diagnósticos mucho más precisos y rápidos a los pacientes que puedan estar afectados, o no, por esta condición cardíaca. El sistema incorpora una red neuronal convolucional (CNN) sofisticada, capaz de reconocer y analizar los complejos QRS que representan cada latido del corazón, lo que permite una clasificación detallada y precisa de los latidos. Esta información detallada es posteriormente enviada a un modelo de lenguaje (LLM), que procesa los datos recibidos y proporciona respuestas a las preguntas formuladas sobre el comportamiento de los latidos del corazón, facilitando así una comprensión más profunda y una mejor toma de decisiones clínicas. En resumen, este software no solo optimiza el proceso educativo y diagnóstico, sino que también representa un avance significativo en la integración de tecnologías de inteligencia artificial en el campo de la cardiología.

This project is an interactive software designed to digitize and optimize the process of reporting and learning about cardiac arrhythmias, aimed at both physicians and health science students. Through this system, students will be able to significantly improve their learning curve by having access to an advanced digital tool that allows them to observe in detail the behavior of the heartbeat in an electrocardiogram (ECG). This practical learning is essential for developing precise diagnostic skills. Additionally, doctors will benefit from this tool by being able to provide much more accurate and faster diagnoses to patients who may be affected, or not, by this cardiac condition. The system incorporates a sophisticated convolutional neural network (CNN) capable of recognizing and analyzing the QRS complexes that represent each heartbeat, allowing for detailed and accurate classification of the beats. This detailed information is subsequently sent to a language model (LLM), which processes the received data and provides answers to questions posed about the behavior of the heartbeat, thus facilitating a deeper understanding and better clinical decision-making. In summary, this software not only optimizes the educational and diagnostic process but also represents a significant advancement in the integration of artificial intelligence technologies in the field of cardiology.