Diagnóstico de taquicardia ventricular: Tomando en cuenta los criterios propuestos por Fernando Pava para diagnosticar taquicardia ventricular mediante DII, se utilizó el ancho del QRS y el ancho hasta la primera deflexión desde el inicio del complejo QRS (RWPT) para entrenar un modelo de machine learning que nos permita determinar si un latido es normal o anormal. La presición de este modelo es de un 83%, de esta manera, tomando en cuenta datos adicionales tales como la regularidad de los latidos y los latidos por minuto se logra diagnosticar la taquicardia ventricular. A continuación, se muestra un gráfico de la data en el modelo lineal de Support Vector Machines classifier.