Inteligencia artificial para detectar anomalías cardíacas en los gráficos de los latidos del corazón

El primer registro de la actividad eléctrica del corazón se publicó en 1887 por el fisiólogo inglés Augustus D. Waller. Sin embargo, fue el fisiólogo neerlandés, Willem Einthoven, quien perfeccionó la técnica y el primero en utilizar el término «electrocardiograma”.

Desde estos pioneros, a la actualidad, ese registro de la actividad eléctrica del corazón ha evolucionado hasta convertirse en una prueba habitual en la práctica clínica. De esta forma, ese dibujo que van configurando las señales rítmicas cardíacas ya resulta tan familiar que engrosa bases de datos donde se almacena la muestra gráfica de nuestros latidos.

Esa ingente cantidad de registros son el punto de partida de la inteligencia artificial actual para entrenar los modelos predictivos y mejorar el diagnóstico de posibles anomalías cardíacas. Así lo concibe un equipo de investigación de la Universidad de Málaga, que ha diseñado un sistema inteligente que identifica irregularidades en la actividad eléctrica del corazón compatibles con afecciones cardíacas como arritmias, isquemia o infarto de miocardio. 

La investigadora Paula Ruiz Barroso junto al resto de sus compañeros de la Universidad de Málaga.

Durante su estancia investigadora en el Laboratorio de Sistemas Embebidos en la École Polytechnique Fédérale de Lausana (Suiza), la experta en procesado de la imagen y vídeo de la Universidad de Málaga Paula Ruiz Barroso inició una línea de investigación que combinaba la experiencia en señales biomédicas con la que contaban en ese centro de investigación con la investigación que estaba realizando con sus directores de tesis en la Universidad de Málaga sobre el diseño y la optimización de modelos de inteligencia artificial. Así nació FADE, un sistema inteligente que detecta anomalías cardíacas en los electrocardiogramas para anticipar el diagnóstico.

Hasta ahora, los modelos convencionales de inteligencia artificial aprendían a clasificar los electrocardiogramas como señales normales o anómalas partiendo de datos etiquetados por un profesional. La novedad de FADE es que se entrena con electrocardiogramas normales, evitando así la necesidad de partir de extensos conjuntos de anomalías cardíacas etiquetadas por cardiólogos. De esta forma, el sistema predice la señal futura y detecta anticipadamente las anomalías cardíacas como arritmias, isquemia o infarto de miocardio.

El equipo de investigación utilizó una metodología propia.  “Entrenamos el modelo con una base de datos de señales normales, lo que le permite aprender cómo es un electrocardiograma sano sin necesidad de que un cardiólogo indique si existen irregularidades en las señales del electrocardiograma de partida”, explica. 

A continuación, para poder diferenciar con precisión una anomalía, establecemos un umbral de detección. «Este parámetro se fija usando un pequeño subconjunto de muestras conocidas, tanto normales como anormales. “Este método nos permite determinar con fiabilidad cuándo una señal debe considerarse anómala”, explica a la Fundación Descubre la investigadora de la Universidad de Málaga y autora principal del estudio Paula Ruiz Barroso.

Elevada precisión

Según los expertos, FADE detecta latidos cardíacos anormales de forma eficaz. “Los resultados demuestran que nuestro sistema alcanza una precisión media del 83,84% en la detección de anomalías, al tiempo que clasifica correctamente las señales de ECG normales con una precisión del 85,46%”, apunta Ruiz.

Esta ventaja ahorra tiempo y costes, ya que no se necesita una persona experta que supervise los datos para el primer entrenamiento del sistema.

El enfoque de la Universidad de Málaga demostró buen rendimiento en la detección temprana de cualquier tipo de anomalía cardíaca en las señales de electrocardiograma. “A diferencia de trabajos previos que solo detectan un pequeño número de anomalías, principalmente relacionadas con la frecuencia, nuestro enfoque es más robusto, ya que permite detectar tanto latidos cardíacos anormales como arritmias”, destaca la investigadora.

Novedades del sistema 

Al tratar el reconocimiento de anomalías del ECG, los modelos de última generación demuestran precisión y buen rendimiento dentro de conjuntos de datos controlados. Sin embargo, a menudo tienen dificultades para generalizar de manera efectiva a fuentes de datos nuevas. Esta brecha resalta una limitación para su implementación en el mundo real.

Según los expertos de la Universidad de Málaga, FADE supera estas limitaciones gracias al innovador diseño con el que está construido con varias aportaciones:

• Usa un modelo que emplea dos rutas de procesamiento paralelas, cada una optimizada para capturar distintos aspectos de la información presente en la señal, una capta los cambios más rápidos y la otra los más lentos.
• Además, el equipo investigador aplica una novedosa fórmula de aprendizaje morfológico. Esta considera las características específicas de la forma de onda de la señal de electrocardiograma. “Somos capaces de predecir mejor cómo sería la señal normal, porque consideramos por separado los picos y la banda central de la curva. Enseñamos al sistema a que aprenda a intuir las dos partes por separado”, explica Ruiz. 
• Doble entrenamiento del sistema con dos bases de datos, que cuentan con 456 horas de grabación. “No es fácil que un modelo funcione en otra base de datos, hay que hacer un reentrenamiento para que vuelva a aprender y así se ajuste al nuevo contexto donde tiene que operar”, comenta. 

El equipo investigador de la Universidad de Málaga sigue optimizando el modelo, para usarlo en un dispositivo portable, que pueda llevar una persona. Para ello, exploran entre otras cosas, cómo depurar la señal en caso de que aparezca ruido o pierda su forma, por ejemplo, con el movimiento del paciente.

En paralelo, buscan ahora un equipo médico para trasladar su sistema a un entorno real, para que los sanitarios lo prueben en consulta. Así, las anomalías en el registro gráfico del corazón darán pistas para abordar posibles patologías lo antes posible. La combinación de la detección automática con la revisión de los sanitarios podría mejorar la precisión diagnóstica en los pacientes.

Más información en #CienciaDirecta: Desarrollan un sistema inteligente que detecta anomalías cardíacas en los electrocardiogramas para anticipar el diagnóstico