UPF, algoritmo que automatiza los registros de los electrocardiogramas

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 las revisiones rutinarias de prevención y salud.

Guillermo Jimenez-Perez

El ciclo cardíaco conlleva el vaciamiento de sangre de las aurículas a los ventrículos (onda «P», rojo en la imagen), contracción de los ventrículos para propulsar la sangre a los diferentes 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 diferentes fases que comportan los ciclos cardiacos

La señal electrocardiográfico es, sin embargo, una señal infrautilizado desde un punto de vista tecnológico. «Mientras que los cardiólogos y muy 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 diferentes fases que comportan los ciclos cardiacos.  algoritmo que automatiza los registros de los electrocardiogramas  algoritmo que automatiza los registros de los electrocardiogramas

Oscar Camara

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

Este 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 de la electrocardiografía no esté aún 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 respecto a otros algoritmos existentes en la literatura científica.

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

Ejemplos de muestras predichas incorrectamente, con ondas T y P fusionadas (arriba) y bradicardia severa (abajo). Máscara roja: onda P. Máscara verde: onda QRS. Máscara magenta: onda T. Se han rodeado ejemplos representativos.

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 la capacidad de procesamiento y de utilización de cantidades cada vez mayores de datos del 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 inteligencia artificial permite procesar datos de forma que los resultados que se obtengan sean inmediatamente interpretables por el personal sanitario

«La utilización de este tipo de tecnologías debe hacerse con cautela y, especialmente, con visión de futuro», afirman los autores del estudio. Es de primordial 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.

«Estas mediciones pueden ser utilizados en procesos posteriores para realizar tareas más complejas como, volviendo al tema original, simplificar la carga de trabajo del médico o para el cuidado diagnóstico de patologías cardíacas», explica Jiménez-Pérez. 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.

Trabajo de referencia:

Guillermo Jiménez-Pérez, Alejandro Alcaine, Oscar Camara (2021), » Delineación del electrocardiograma con un conjunto de datos de anotaciones de calidad mixta utilizando redes neuronales convolucionales «, Scientific Reports,  11 ,  863. https://doi.org/10.1038/ s41598-020-79512-7