Un equipo de la Universidad Politécnica de Madrid (UPM), en colaboración con el Centro Nacional de Investigaciones Cardiovasculares Carlos III (CNIC), ha creado un sistema basado en inteligencia artificial (IA) para reconocer de forma automática diferentes patologías cardíacas mediante el análisis de imágenes de ecocardiografía. Esta tecnología, capaz de actuar en tiempo real, representa un gran avance en el apoyo al trabajo de los cardiólogos, ya que permite acelerar los diagnósticos y diseñar tratamientos más personalizados y efectivos.
Una solución frente a la principal causa de muerte
Las enfermedades del corazón son, a día de hoy, la principal causa de mortalidad en el mundo. Solo en España, más de 120.000 personas mueren al año por dolencias cardiovasculares, según los últimos datos del Instituto Nacional de Estadística (INE). En este contexto, el desarrollo de tecnologías que permitan una detección temprana y precisa resulta fundamental para salvar vidas.
El sistema propuesto por los investigadores de la UPM y el CNIC tiene su origen en dos proyectos científicos: “DigitHeart” y “CardioAging”, dedicados al desarrollo de herramientas innovadoras para la predicción y tratamiento de enfermedades del corazón. La investigación ha sido dirigida por los profesores Soledad Le Clainche y Jesús Garicano, y se ha desarrollado en el grupo ModelFLOWs, con sede en la Escuela Técnica Superior de Ingeniería Aeronáutica y del Espacio (ETSIAE) de la UPM.
Tecnología al servicio de la medicina personalizada
El grupo ModelFLOWs, liderado por Le Clainche, se especializa en el uso de herramientas de IA tanto para reducir el impacto medioambiental como para avanzar en medicina personalizada. Uno de sus investigadores postdoctorales, Andrés Bell Navas, ha centrado sus estudios en la aplicación de inteligencia artificial para la detección de enfermedades cardíacas.
Con la tasa creciente de pacientes cardíacos y, por tanto, de cantidad de datos para su análisis, hay mucha presión en el sector de la salud para desarrollar sistemas para el reconocimiento temprano y eficaz de enfermedades cardíacas. Este reconocimiento es costoso en tiempo, esfuerzo, y requiere recursos y conocimiento de expertos cardiólogos.
Andrés Bell Navas
Redes neuronales y descomposición modal
El sistema desarrollado por los investigadores combina redes neuronales avanzadas con técnicas de descomposición modal dinámica de orden superior, una metodología habitual en mecánica de fluidos que ha sido adaptada al análisis de imágenes médicas.
Esta combinación permite que el sistema pueda analizar ecocardiogramas con gran precisión y detectar automáticamente signos de enfermedad cardíaca en sus primeras fases. Una de sus ventajas más destacables es que funciona incluso con pequeños conjuntos de datos, lo que lo hace aplicable en contextos donde no se dispone de grandes bases de datos médicas.
Proyección internacional y futuro del proyecto
Los resultados obtenidos por el equipo han sido presentados por Andrés Bell Navas en congresos científicos de inteligencia artificial, matemáticas, cardiología y medicina celebrados por toda Europa. El trabajo ha sido recientemente publicado en la revista Expert Systems with Applications, bajo el título “Automatic Cardiac Pathology Recognition in Echocardiography Images using Higher Order Dynamic Mode Decomposition and a Vision Transformer for Small Datasets”.
La investigación, disponible en este enlace, continúa su desarrollo con el objetivo de implementar métodos aún más avanzados que permitan extraer patrones característicos de distintas patologías cardíacas. “Ahora queremos seguir desarrollando métodos novedosos que aprovechen los últimos avances de la inteligencia artificial para el diagnóstico y prognosis de enfermedades cardíacas y nos permitan extraer patrones característicos de diversas enfermedades de este tipo. De este modo, podremos conocer mejor estas enfermedades, predecir la evolución del estado cardíaco en un paciente y reconocer patologías de corazón de la forma más efectiva y en la fase más temprana posible”, recalca Bell Navas.
La UPM ha publicado un comunicado oficial con más detalles sobre este avance científico, que se perfila como un ejemplo claro de cómo la tecnología puede transformar la medicina y contribuir a salvar miles de vidas cada año.
