Diagnóstico automático de bloqueo de rama izquierda estricto utilizando un enfoque basado en wavelet
Investigadores de Zaragoza, España publicaron el 25 febrero de este año en PLoS One un trabajo de investigación que se propuso el diagnóstico automático del bloqueo de rama izquierda estricto utilizando un enfoque basado en wavelet.
Una wavelet es una onda de oscilación con una amplitud que comienza en cero, aumenta, y luego disminuye de nuevo a cero. Normalmente se puede visualizar como una «oscilación breve» como se podría ver grabada por un sismógrafo o un monitor cardíaco.
El bloqueo de rama izquierda (LBBB por sus siglas en inglés) consiste en una interrupción en la propagación del impulso eléctrico a través de la rama izquierda principal. Como consecuencia, la activación de la pared ventricular izquierda se retrasa con respecto al tabique interventricular, lo que conduce a un bombeo ineficiente del corazón (insuficiencia cardíaca).
La terapia de resincronización cardíaca (TRC) se ha postulado como la opción preferida para la resincronización de la contracción ventricular en pacientes con insuficiencia cardíaca con fracción de eyección reducida. Entre ellos, los pacientes con LBBB han demostrado tener una mejor respuesta clínica a la TRC.
El diagnóstico convencional se basa en criterios electrocardiográficos (ECG), que generalmente requieren una duración prolongada de QRS (≥ 120 ms) y configuraciones de QS o rS en la derivación V1.
Sin embargo, aproximadamente un tercio de los pacientes diagnosticados no mostraron LBBB completo, lo que revela que falta un estándar de oro para el diagnóstico real de LBBB. De hecho, es la alta tasa de falsos positivos obtenida con los criterios convencionales de LBBB lo que limita principalmente la efectividad de la TRC para el tratamiento de esos pacientes con insuficiencia cardíaca.
Posteriormente, se encontraron diferencias en la duración del QRS entre hombres y mujeres con LBBB, y los estudios de simulación evidenciaron la presencia de muescas o notches a mitad del QRS en algunas derivaciones cuando estaba presente el LBBB completo.
Estas observaciones dieron lugar a la definición de nuevos criterios más estrictos para el diagnóstico de LBBB.
Requieren tres condiciones simultáneas:
C1) duración prolongada de QRS (≥140 ms en hombres, ≥130 ms en mujeres),
C2) patrón QS o rS en los complejos QRS en las derivaciones V1 y V2 y
C3) la presencia de muescas medias en el QRS en ≥2 derivaciones dentro de V1, V2, V5, V6, I y aVL.
En 2018, la Sociedad Internacional de Electrocardiología Computarizada (ISCE) y el proyecto Telemetric and Holter Warehouse (THEW) impulsaron la iniciativa LBBB para dar a los equipos de investigación la oportunidad de probar algoritmos automáticos para el diagnóstico de LBBB estricto en pacientes del ensayo MADIR-CRT con insuficiencia cardíaca y Fey reducida.
El objetivo de este trabajo, como parte de la iniciativa LBBB, fue desarrollar y evaluar un algoritmo completamente automático para el diagnóstico de LBBB estricto utilizando un enfoque basado en wavelets.
ECG de alta resolución de 12 derivaciones de 10 segundos de duración de 602 pacientes inscritos en el ensayo MADIT-CRT estuvieron disponibles para esta investigación.
Los datos fueron corroborados para LBBB estricto por 2 expertos independientes y divididos en un grupo de entrenamiento (n = 300) y conjuntos de validación (n = 302) para evaluar el rendimiento del algoritmo.
Después de la detección de QRS, se utilizó un delineador basado en wavelets para detectar ondas QRS individuales (Q, R, S), su inicio y finalización, e identificar el patrón morfológico de QRS en cada derivación estándar.
Luego, se definieron los límites del QRS para calcular la duración global del QRS.
Finalmente, se aplicó un algoritmo automático para la detección de muescas dentro del complejo QRS basado en el mismo enfoque wavelet utilizado para la delineación.
En el conjunto de validación, LBBB fue diagnosticado con una sensibilidad y especificidad de Se = 92.9% y Sp = 65.1% (Acc = 79.5%, PPV = 74% y NPV = 89.6%).
Los resultados confirmaron que el diagnóstico de LBBB estricto se puede hacer en base a una extracción completamente automática de las características QRS temporales y morfológicas.
Sin embargo, se hizo evidente que el consenso en la definición de la duración del QRS, así como en las definiciones de muescas y difusiones, es necesario para garantizar un diagnóstico preciso y repetible de LBBB completo.
* Martín-Yebra A, Martínez JP. Automatic diagnosis of strict left bundle branch block using a wavelet-based approach. PLoS One. 2019 Feb 25;14(2):e0212971. doi: 10.1371/journal.pone.0212971. eCollection 2019.
