Vés enrere Un estudi presenta un algoritme que automatitza els registres dels electrocardiogrames

Un estudi presenta un algoritme que automatitza els registres dels electrocardiogrames

La intel·ligència artificial pot ajudar a el personal sanitari en el diagnòstic de patologies cardíaques, com mostra un treball publicat a Scientific Reports,a càrrec de Guillermo Jiménez-Pérez i Oscar Camara, membres de el grup PhySense, i Alejandro Alcaine, investigador de la Universitat San Jorge de Saragossa.

02.02.2021

Imatge inicial

Un electrocardiograma (ECG) és un examen que registra l'activitat elèctrica del cor durant el cicle cardíac. És una prova no invasiva i molt habitual que requereix col·locar uns elèctrodes a la superfície de la pell del subjecte. Un tipus d'examen molt indicat quan es sospita d'alguna patologia cardíaca i també en les revisions rutinàries de prevenció i salut.

El cicle cardíac comporta el buidament de sang de les aurícules als ventricles (onda "P", vermell a la imatge), contracció dels ventricles per propulsar la sang als diferents teixits i òrgans de el cos (onda "QRS", verd a la imatge) i relaxació dels ventricles per poder afrontar el següent batec del cor (onda "T", magenta a la imatge).

Delinear un electrocardiograma significa realitzar una separació / quantificació de les diferents fases que comporten els cicles cardíacs

El senyal electrocardiogràfic és, però, un senyal infrautilitzat des d'un punt de vista tecnològic. "Mentre que els cardiòlegs i molt personal sanitari especialitzat té experiència a l'hora d'interpretar un electrocardiograma i fer temptatives de diagnòstic, molta part d'aquest procés no està automatitzat", explica Guillermo Jiménez-Pérez, primer autor d'un treball publicat a la revista Scientific Reports en què es presenta un algoritme per delinear un electrocardiograma, és a dir un mètode analític per a realitzar una separació / quantificació de les diferents fases que comporten els cicles cardíacs.

Els mesuraments de les diferents fases del cicle cardíac s'han de realitzar de manera robusta, és a dir, han de ser aplicables a la gran variabilitat de casos possibles. In primer lloc, per la gran quantitat existent de possibles morfologies que es poden presentar pacient a pacient (a la imatge es mostra una representació de diferents batecs patològics i normals, que poden ser són molt variables entre individus), i també per poder potenciar el seu ús per a posteriors anàlisis comparatives. "És a dir, poder obtenir la morfologia dels diferents QRS d'un determinat pacient pot ajudar a identificar quins aspectes del QRS són anormals en relació a la població general - o fins i tot pel que fa al mateix pacient uns anys abans", explica Jiménez-Pérez.

Aquest ha estat un treball publicat a Scientific Reports, el 13 de gener, realitzat per Guillermo Jiménez-Pérez i Oscar Camara, membres del grup de recerca PhySense, dins de la Unitat d'investigació BCN MedTech, adscrita al Departament de Tecnologies de la Informació i les Comunicacions (DTIC) de la UPF, i Alejandro Alcaide de la Universitat San Jorge de Saragossa.

Un algoritme per a l'automatització de l'electrocardiograma

Per als autors de l'estudi, el fet que la tècnica de l'electrocardiografia no estigui encara automatitzada és sorprenent, tenint en compte que, en l'actualitat, moltes de les grans tendències associades a la tecnologia es basen en l'automatització mitjançant el desenvolupament d'algoritmes d'intel·ligència artificial.

En aquest context s'ha enquadrat el treball publicat a Scientific Reports. Mitjançant l'ús de tècniques punteres d'intel·ligència artificial s'ha desenvolupat un algoritme per a la delineació de l'electrocardiograma, millorant el rendiment respecte a altres algoritmes existents en la literatura científica.

La utilització d'aquest tipus de tecnologies s'ha de fer amb cautela i, especialment, amb visió de futur

Aquests algoritmes s'obtenen mitjançant la captació i processament massiu de dades i, un cop desenvolupats, són capaços de processar noves dades de manera molt ràpida i robusta. Aquest paradigma, el de la intel·ligència artificial, té moltes externalitats positives, com ara la capacitat de processament i d'utilització de quantitats cada vegada més grans de dades del quals, al seu torn, resulten útils per a l'anotació i processament de noves dades, creant així bucles de retroalimentació positiva que finalment produeixen avantatges per a l'usuari.

La intel·ligència artificial permet processar dades de forma que els resultats que s'obtinguin siguin immediatament interpretables pel personal sanitari

"La utilització d'aquest tipus de tecnologies s'ha de fer amb cautela i, especialment, amb visió de futur", afirmen els autors de l'estudi. És de cabdal rellevància la utilització de la intel·ligència artificial per processar dades de forma que els resultats que s'obtinguin siguin immediatament interpretables; és a dir, intel·ligència artificial orientada a obtenir mesuraments (quantificació) de la realitat objectiva que l'envolta.

"Aquests mesuraments poden ser utilitzats en processos posteriors per realitzar tasques més complexes com, tornant al tema original, simplificar la càrrega de treball del metge o per al acurat diagnòstic de patologies cardíaques", explica Jiménez-Pérez. En definitiva, són tecnologies fiables per a la realització de molts tipus d'anàlisis posteriors que poden ser interpretats directament pel personal sanitari, complint tots els requisits ètics i de confidencialitat exigibles per a l'àmbit biomèdic.

Treball de referència:

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

Multimèdia

Perfils dels protagonistes:

Guillermo Jiménez-Pérez
Oscar Camara

Categories:

ODS - Objectius de desenvolupament sostenible:

Els ODS a la UPF

Contact

Per a més informació

Notícia publicada per:

Oficina de Comunicació