Development of an Artificial Intelligence model for COVID-19 detection based on electrocardiogram features

Abstract

[ES] Los objetivos de este proyecto son dos. En primer lugar, identificar características morfológicas clave en las señales de electrocardiograma (ECG) de 12 derivaciones que puedan ayudar a identificar a los pacientes infectados por la enfermedad SARS-CoV-2 con mayor riesgo de mortalidad. En segundo lugar, desarrollar un modelo de aprendizaje automático que las utilice para la detección de la enfermedad por coronavirus 2019 (COVID-19).

El desarrollo de este trabajo implica extraer características que representen las principales estructuras del ECG, como la onda P, el complejo QRS y la onda T. Para ello, se utilizan cajas de herramientas de libre acceso en MATLAB. Además, la limpieza, el preprocesamiento, la selección y el entrenamiento del modelo se llevan a cabo con Python. Utilizamos señales cortas de ECG de 12 derivaciones obtenidas de pacientes con COVID-19 en un hospital de la ciudad italiana de Cremona (Ospedale di Cremona). El modelo desarrollado permitirá la detección precoz del virus COVID-19 utilizando el procedimiento clínico no invasivo del ECG.

[EN] The objectives of this project are twofold. Firstly, to identify key morphological features in 12-lead electrocardiogram (ECG) signals that can help identify patients infected with the SARS-CoV-2 disease at higher risk of mortality. Secondly, to develop a machine learning model that utilizes these for Coronavirus Disease 2019 (COVID-19) detection.

The development of this work involve extracting features that represent the main structures of the ECG, such as the P-wave, QRS-complex, and T-wave. Open-access toolboxes in MATLAB are used for this purpose. Furthermore, feature cleaning, preprocessing, selection, and model training are carried out using Python. We use short 12-lead ECG signals obtained from COVID-19 patients at a hospital in the Italian city of Cremona (Ospedale di Cremona). The developed model will allow early detection of the COVID-19 virus using the non-invasive clinical procedure of ECG.