ECG time series data mining for cardiovascular disease riskudassessment

摘要

Chronic diseases require ongoing care to improve patients’ quality of life. Ituddemands large amount of investment from governments and companies includingudemployee absenteeism, early retirement and social spend. Nowadays it is estimated thatud12% of natural death occurs suddenly, in which 88% of them is related to cardiac originud[1]. Indeed, cardiovascular diseases are the first cause of mortality in Spain with moreudthan 123,000 cases and investments estimated in €2 billon annually, representing 0.2%udof gross domestic product (GDP). On one hand, the proportional incidence (per 1,000udhabitants) of acute myocardial infarction is stable on population between 25 and 74udyears. On the other hand, it is estimated increasing by 1.5% the number of heart attackudbecause of the population aging [2].udHowever, chronic cardiac disease can be fully or partially prevented. Firstly,udfollowing healthy lifestyle habits. It is estimated that around 75% of the causes ofudcardiovascular disease is related to factors such as smoking, sedentary lifestyle,udhypertension, diabetes or obesity. Secondly, it is possible to prevent by early detectionud[2].udThis work introduces time series data mining models for analyzingudelectrocardiograms (ECG) in order to identify heart attack pre-events and theudprobability of incidence. This information could support patients in searching properudtreatment minutes before the cardiac arrest. The techniques selected for training theudmodels are decision tree, k-nearest neighbors (kNN), support vector machine (SVM),udlogistic regression and neural networks.udIt will be used the Physionet [3] project for gathering ECG information,udparticularly from two databases: Sudden Cardiac Death Holter [4] and Fantasia [5]. Theudfirst one consists 24-hour records from 23 people that suffered hearth attacks duringudECG monitoring. The other database is a 2-hour record from 40 healthy people. Theuddata mining signatures are composed by 2-minutes databases excerpts, in which theudoutcome will be the probability of hearth attack incidents. These signatures are randomudselected from healthy people database and excerpts of specific pre-events from victimsudthat suffered sudden cardiac death. Overall, this model can bring up hidden informationudfrom ECGs in order to predict Ventricular Fibrillation (VF) events making possibleudsend alerts for patients and physicians.---ABSTRACT---Las enfermedades crónicas no tienen cura y exigen cuidados constantes paraudmejorar la calidad de vida de los pacientes. Los gobiernos y empresas tienen queudafrontar costos elevados por tratamientos, absentismo laboral, jubilaciones anticipadas yudgastos sociales de estos enfermos. Por otra parte, se estima que 12% de las muertesudnaturales ocurren de repente y que un 88% de éstas se deben a problemas cardíacos [1].udLas enfermedades cardiovasculares constituyen la primera causa de muerte enudEspaña, con más de 120.000 fallecimientos y costes de aproximadamente 2.000udmillones de euros anuales (0,2% del PIB). Aunque la incidencia de los infartos agudosudse mantiene estable, se estima que cada año aumentará un 1,5% el número de casos deudinfarto y angina debido al envejecimiento de la población [2]. La prevención de lasudenfermedades cardiovasculares es, por tanto, una cuestión de gran relevancia. Por unaudparte, se pueden prevenir antes de que se presenten, siguiendo hábitos de vidaudsaludables. Por ejemplo, se estima que en torno a un 75% de las causas de enfermedadudcardiovascular están relacionadas con factores como el tabaquismo, el sedentarismo, laudhipertensión, la diabetes o la obesidad. Por otra parte, la prevención puede ser abordadaudmediante la detección precoz [2].udEn la línea de la detección precoz se enfoca el presente trabajo, en el que seudpropone la utilización de modelos de data mining con el objetivo de clasificar preeventosudcon alta probabilidad de paro cardíaco. Esta información permitiría a losudpacientes demandar la ayuda adecuada minutos antes de un paro cardíaco. Los datosudutilizados en la construcción de los modelos son series temporales correspondientes audECG mientras que las técnicas utilizadas para el entrenamiento de los modelos son árboludde decisión, K-vecinos más cercanos, máquina de vectores de soporte, regresiónudlogística y redes neuronales.udLos datos se han extraído de la plataforma Physionet [3] y, en particular, de dosudde las bases de datos contenidas en ella: Sudden Cardiac Death Holter [4] y Fantasiaud[5]. De cada sujeto se ha tomado un extracto de 2 minutos de ECG, seleccionado deudmanera aleatoria para sujetos saludables mientras que, para el caso de pacientes que hanudsufrido paros cardíacos, se han seleccionando los 2 minutos que preceden al evento.udEn general, los modelos pueden descubrir información oculta en losudelectrocardiogramas que permita la predicción de Fibrilación Ventricular (VF) lo cualudpuede ser usado, por ejemplo, para enviar alertas a pacientes y médicos.