Clasifican señales cardiográficas utilizando técnicas de inteligencia artificial

Facultad de Ciencias Exactas


Se trabaja en un modelo que clasifica y diagnostica automáticamente las señales de Electrocardiografía. El sistema logra una mayor exactitud en la identificación de las señales emitidas por el corazón.

Objetivo. La investigación es realizada por científicos del Departamento de Ingeniería de la Facultad de Ciencias Exactas, Naturales y Agrimensura de la UNNE y está enfocada a mejorar la clasificación a través de señales electrocardiográficas de ciertas anomalías cardíacas aunque las posibles aplicaciones del modelo en diseño son cuantiosas en diversas disciplinas.

“Lo que hacemos es utilizar recursos de la inteligencia artificial para poder mejorar la performance en la interpretación de señales de los latidos del corazón” explicó a la Revista CyT de la UNNE la licenciada en Sistemas María Pisarello, una de las responsables de la propuesta científica junto a los ingenieros Carlos Álvarez Picaza y Jorge Monzón.

La Inteligencia Artificial ha cobrado relevancia en el mundo actual por su poder de sintetizar y automatizar tareas intelectuales y por ello es potencialmente útil en todo ámbito de la actividad intelectual humana.

A su vez, dentro de la Inteligencia Artificial se encuentran las redes neuronales que tienen la capacidad de “aprender” mediante el ajuste de las relaciones entre los nodos o datos, y permiten el reconocimiento y clasificación de formas o patrones. Por otra parte están los algoritmos genéticos, que se basan en la teoría de la evolución genética y en el concepto de la supervivencia del más apto y permiten ajustar al mínimo la posibilidad de error.

Avances. En el proyecto de la UNNE se desarrolló un sistema de clasificación basado en inteligencia artificial que combina una red neuronal de aprendizaje supervisado, con las bondades de los algoritmos genéticos, para optimizar y lograr un ajuste más exacto.

Así a través de la red neuronal y los algoritmos genéticos, se diseñó un modelo para la identificación de las extrasístoles auriculares (EA) y las extrasístoles ventriculares (EV), también conocidas como Contracciones Ventriculares Prematuras (PVC), que se cuentan entre las arritmias o alteraciones más frecuentes del ritmo del corazón y potencialmente más peligrosas y que pueden aparecer en personas sanas.

Los algoritmos logrados son capaces de distinguir contracciones ventriculares prematuras de latidos Normales, y los resultados obtenidos están dentro de los valores esperados y fueron evaluados mediante índices de performance estandarizados: sensibilidad, predictividad positiva y especificidad.

“El sistema propuesto identifica contracciones ventriculares prematuras con muy buena tasa de aciertos. En general se observa una mejora en los resultados cuando se utilizaron los algoritmos genéticos, lo que podría resultar en una mejora global de la performance de la lectura de las señales electrocardiográficas para estas patologías, contracciones ventriculares prematuras” resaltó Pisarello.

Comentó que algunos de los avances lgrados han sido aceptados para su publicación en reconocidas revistas internacionales con referato y en encuentros nacionales e internacionales de biotecnología.

La investigadora explicó que en los últimos años la rápida expansión de la inteligencia artificial, en particular las redes neuronales y los algoritmos genéticos, está provocando una nueva revolución en el área de la informática y en tal sentido un dominio que en particular puede beneficiarse de esta revolución es la cardiología con la clasificación y diagnóstico automático de las señales de ECG.

Añadió que las tareas que tienen que ver con la clasificación y diagnóstico de las señales de ECG son las que más se adaptan para ser automatizadas.

Detalló que la señal eléctrica cardíaca, que a simple vista parecería regular, presenta un sinnúmero de variaciones morfológicas y frecuenciales, que hacen que el análisis automático de la actividad cardiovascular no sea sencillo. Las formas, los intervalos entre ondas y las componentes armónicas proveen de importante información sobre el estado del corazón.

Justamente, la variación en el tiempo de estas ondas son características morfológicas destacadas del electrocardiograma que se pueden clasificar de mejor forma con la inteligencia artificial.

Explicó que el uso de algoritmos evolutivos o genéticos junto a redes neuronales como un procedimiento de búsqueda global es uno de los sistemas híbridos que más interesan en la investigación actual.

Comentarios



Lo más leído de la semana

Vouchers educativos: conocé cómo acceder al programa nacional

Entrevista a Eduardo Mijno: Resultados de encuesta, liquidación de haberes, licencias médicas e incentivo. Audio.

FEDERACIÓN SITECH EXPRESA DISCONFORMIDAD CON RELACIÓN A LIQUIDACIÓN DE HABERES Y SOBRE LICENCIAS MEDICAS

Arranca el cronograma de pagos en la administración pública provincial

El Cronograma de haberes de la administración pública inicia el martes 26 de marzo