Inteligencia artificial en enfermedades cardiacas

El trabajo ha sido publicado en Scientific Reports / UPF

Un estudio presenta un algoritmo que automatiza los registros de los electrocardiogramas

 

La inteligencia artificial puede ayudar al personal sanitario en el diagnóstico de patologías cardíacas, como muestra un trabajo publicado en Scientific Reports, a cargo de Guillermo Jiménez-Pérez y Oscar Camara, miembros del grupo PhySense, y Alejandro Alcaine, investigador de la Universidad San Jorge de Zaragoza.

 

UPF / Un electrocardiograma (ECG) es un examen que registra la actividad eléctrica del corazón durante el ciclo cardíaco. Es una prueba no invasiva y muy habitual que requiere colocar unos electrodos en la superficie de la piel del sujeto. Un tipo de examen muy indicado cuando se sospecha de alguna patología cardíaca y también en los chequeos rutinarios de prevención y salud.

El ciclo cardíaco comporta el vaciamiento de sangre de las aurículas en los ventrículos (onda “P”, rojo en la imagen), contracción de los ventrículos para propulsar la sangre a los distintos tejidos y órganos del cuerpo (onda “QRS”, verde en la imagen) y relajación de los ventrículos para poder afrontar el siguiente latido del corazón (onda “T”, magenta en la imagen).

Delinear un electrocardiograma significa realizar una separación/cuantificación de las distintas fases que comportan los ciclos cardiacos

La señal electrocardiográfica es, sin embargo, una señal infrautilizada desde un punto de vista tecnológico. “Mientras que los cardiólogos y mucho personal sanitario especializado tiene experiencia a la hora de interpretar un electrocardiograma y hacer tentativas de diagnóstico, mucha parte de este proceso no está automatizado”, explica Guillermo Jiménez-Pérez, primer autor de un trabajo publicado en la revista Scientific Reports en que se presenta un algoritmo para delinear un electrocardiograma, es decir un método analítico para realizar una separación/cuantificación de las distintas fases que comportan los ciclos cardiacos.

Las mediciones de las distintas fases del ciclo cardiaco se deben realizar de forma robusta,  es decir, que sean aplicables a la gran variabilidad de casos posibles. En primer lugar, por la gran cantidad existente de posibles morfologías que pueden presentar paciente a paciente (en la imagen se muestra una representación de distintos latidos patológicos y normales, que son asimismo muy variables entre individuos), y también para poder potenciar su uso para posteriores análisis comparativos. “Es decir, poder obtener la morfología de los distintos QRS de un determinado paciente puede ayudar a identificar qué aspectos de dicho QRS son anormales con respecto a la población general – o incluso con respecto al mismo paciente unos años antes”, explica Jiménez-Pérez.

Éste ha sido un trabajo publicado en Scientific Reports, el 13 de enero, realizado por Guillermo Jiménez-Pérez y Oscar Camara, miembros del grupo de investigación PhySense, dentro de la Unidad de investigación BCN MedTech, adscrita al Departamento de Tecnologías de la Información y las Comunicaciones (DTIC) de la UPF, y Alejandro Alcaide de la Universidad San Jorge de Zaragoza.

 

Un algoritmo para la automatización del electrocardiograma

Para los autores del estudio, el hecho de que la técnica del electrocardiografía no esté todavía automatizada es sorprendente, teniendo en cuenta que, en la actualidad, muchas de las grandes tendencias asociadas a la tecnología se basan en la automatización mediante el desarrollo de algoritmos de inteligencia artificial.

En este contexto se ha encuadrado el trabajo publicado en Scientific Reports. Mediante el uso de técnicas punteras de inteligencia artificial se ha desarrollado un algoritmo para la delineación del electrocardiograma, mejorando el rendimiento con respecto a otros algoritmos existentes en la literatura científica.

La utilización de este tipo de tecnologías debe realizarse con cautela y, especialmente, con visión de futuro

Estos algoritmos se obtienen mediante la captación y procesamiento masivo de datos y, una vez desarrollados, son capaces de procesar nuevos datos de manera muy rápida y robusta. Este paradigma, el de la inteligencia artificial, tiene muchas externalidades positivas, como por ejemplo la capacidad de procesamiento y de utilización de cantidades cada vez mayores de datos lo que, a su vez, resultan útiles para la anotación y procesamiento de nuevos datos, creando así bucles de retroalimentación positiva que finalmente producen ventajas para el usuario.

“La utilización de este tipo de tecnologías debe realizarse con cautela y, especialmente, con visión de futuro”, afirman los autores del estudio. Cobra especial relevancia la utilización de la inteligencia artificial para procesar datos de forma que los resultados que se obtengan sean inmediatamente interpretables; es decir, inteligencia artificial orientada a obtener mediciones (cuantificación) de la realidad objetiva que la rodea.

La inteligencia artificial permite procesar datos de forma que los resultados que se obtengan sean inmediatamente interpretables por el personal sanitario

“Estas mediciones pueden ser utilizadas en procesos posteriores para realizar tareas más complejas como, volviendo al tema original, simplificar la carga de trabajo del médico o para un diagnóstico preciso de patologías cardiacas”, explica Jiménez-Pérez, primer autor del estudio. En definitiva, son tecnologías fiables para la realización de muchos tipos de análisis posteriores que pueden ser interpretados directamente por el personal sanitario, cumpliendo todos los requisitos éticos y de confidencialidad exigibles para el ámbito biomédico.

Referencia bibliográfica:
Guillermo Jiménez-Pérez, Alejandro Alcaine, Oscar Camara (2021), “Delineation of the electrocardiogram with a mixed-quality-annotations dataset using convolutional neural networks“, Scientific  Reports, 11863. https://doi.org/10.1038/s41598-020-79512-7

Dejar comentario

Deja tu comentario
Pon tu nombre aquí