Interpretación de electrocardiogramas con técnicas de aprendizaje automático aplicadas a la detección de patologías cardíacas

Abstract

Este Trabajo Fin de Grado desarrolla un sistema de detección automática de patologías cardíacas mediante técnicas de aprendizaje automático aplicadas a señales de electrocardiograma (ECG). El trabajo emplea la base de datos PTB-XL, un conjunto público de más de 21.000 registros ECG de 12 derivaciones procedentes de práctica clínica real, etiquetados con 71 patologías agrupadas en cinco superclases. El sistema incluye una etapa de preprocesado basada en la transformación wavelet discreta para segmentar los latidos individuales, seguida de la extracción de características temporales, morfológicas, estadísticas y frecuenciales. A partir de esta representación, se evalúan tres configuraciones experimentales de complejidad creciente: una derivación con clasificación binaria, doce derivaciones con clasificación binaria y doce derivaciones con estimación probabilística de las 71 patologías originales. Los modelos evaluados incluyen regresión logística, Random Forest y redes neuronales multicapa (MLP) para las configuraciones binarias y Ridge Regression, ElasticNet, Random Forest Regressor, HistGradientBoosting y MLP Regressor para el escenario probabilístico. Los resultados muestran que el uso de las 12 derivaciones y la extracción de características mejoran de forma consistente el rendimiento. La MLP obtiene la mayor Hamming Accuracy y AUC global, mientras que Ranfom Forest presenta el comportamiento más equilibrado desde una perspectiva clínica. En configuración probabilística, el mejor AUC global corresponde al Random Forest Regressor. El trabajo además incluye un dashboard interactivo para la visualización de señales, predicciones e informes clínicos.This Bachelor's Thesis develops an automatic cardiac pathology detection system based on machine learning techniques applied to electrocardiogram (ECG) signals. The study uses the PTB-XL database, a public dataset containing more than 21,000 twelve-lead ECG recordings acquired in real clinical practice and annotated with 71 pathologies grouped into five diagnostic superclasses. The proposed system includes a preprocessing stage based on the Discrete Wavelet Transform (DWT) to segment individual heartbeats, followed by the extraction of temporal, morphological, statistical, and frequency-domain features. Using this representation, three experimental configurations of increasing complexity are evaluated: single-lead binary classification, twelve-lead binary classification, and twelve-lead probabilistic estimation of the 71 original pathologies. The evaluated models include Logistic Regression, Random Forest, and Multilayer Perceptron (MLP) networks for the binary classification scenarios, and Ridge Regression, ElasticNet, Random Forest Regressor, HistGradientBoosting, and MLP Regressor for the probabilistic scenario. The results show that the use of all twelve ECG leads together with feature extraction consistently improves performance. The MLP achieves the highest Hamming Accuracy and overall AUC, while Random Forest provides the most balanced behaviour from a clinical perspective. In the probabilistic configuration, the best overall AUC is obtained by the Random Forest Regressor. In addition, the work includes an interactive dashboard for ECG visualization, prediction analysis, and clinical report generation.