Noticias | Ingenierías | Ingeniería Biomédica

Un grupo de investigadores de MIT descubrieron que al medir la variación de la configuración de la forma de onda eléctrica entre latido y latido se logra identificar mejor a pacientes de alto riesgo que midiendo los factores de riesgo existentes. Si los descubrimientos superan las pruebas clínicas posteriores, la tecnología podría utilizarse para averiguar qué tipo de pacientes de ataque al corazón necesitan los tratamientos más fuertes.

Los científicos esperan que este mismo método pudiera usarse en un futuro para ayudarles a predecir en qué momento una persona sana está a punto de sufrir un problema cardiaco. Están trabajando en colaboración con Texas Instruments para integrar el software en una nueva generación de monitores cardíacos que se puedan llevar puestos.

La investigación también muestra cómo el análisis computacional es capaz de recoger información útil a partir de los datos médicos que de forma rutinaria se toman y son ignorados. “Es un método muy novedoso,” afirma Jean-Philippe Couderc, ingeniero biomédico en la Universidad de Rochester, y que no estuvo involucrado en el proyecto. “Es una forma única de ver cómo varían los electrocardiogramas en base a los latidos.”

Los electrocardiogramas registran la actividad eléctrica del corazón a través de unos sensores colocados sobre el pecho. Los cardiólogos son capaces de observar ritmos cardiacos anormales mediante la inspección visual de la forma de onda resultante de las características más importantes relacionadas con la función de la cámara superior e inferior del corazón, así como con la capacidad del corazón para “resetearse” entre latidos. Aunque existen algunos algoritmos para analizar esos datos, es conocida su poca precisión. “Los cardiólogos los ignoran de forma rutinaria,” afirma Collin Stultz, profesor de MIT, así como cardiólogo practicante, y que estuvo involucrado en el proyecto.

Para determinar si algunas características más sutiles dentro de los datos proporcionador por el electrocardiograma podrían proporcionar información clínica útil, Stultz, John Guttag, también en MIT, y Zeeshan Syed, en la actualidad en la Universidad de Michigan, comenzaron con un gran grupo de datos pertenecientes a registros de electrocardiogramas recolectados en el Brigham and Women"s Hospital en Boston como parte de unas pruebas clínicas para un nuevo medicamento. El uso de ciertas técnicas computacionales, entre las que se incluyen el proceso de señales, la minería de datos y el aprendizaje de máquinas, los investigadores desarrollaron un método para analizar el modo en que varía la forma de onda eléctrica, una medida que denominaron como variabilidad morfológica. El núcleo de este enfoque es un método llamado "dynamic time warping", utilizado en el reconocimiento de voz y más recientemente en el análisis de genomas, que permite a los investigadores alinear y comparar los latidos individuales. “Computamos las diferencias para cada par de latidos,” afirma Stultz. “Si hay mucha variabilidad, es que ese paciente está en mala forma.”

Después el equipo aplicó el algoritmo que habían desarrollado a un segundo grupo de registros de electrocardiograma y descubrió que los pacientes con la variabilidad morfológica más alta tenían entre seis y ocho veces más probabilidades de morir de un ataque al corazón que aquellos con una variabilidad baja. “Descubrimos que funciona de forma consistente tan bien o mejor que los análisis métricos comúnmente aceptados que utilizan los médicos,” afirma Stultz, incluyendo el estado de la diabetes, la edad y el consumo de tabaco, así como los ultrasonidos cardiacos y varios tests sanguíneos.

Noticia publicada en Alianza Tex (México)