¿Puede un algoritmo detectar una enfermedad?

La detección de arritmias complejas de manera ambulatoria o incluso en casa con dispositivos de bajo coste de una manera automática es un tema de vital importancia, que puede mejorar la atención sanitaria y que puede suponer un ahorro de dinero a la sanidad pública.

En los últimos años diferentes grupos de investigación, a nivel internacional, han desarrollado técnicas de análisis de datos complejos y BigData que pensaron que podrían ser de gran utilidad para la sociedad.

Uno de esos grupos es el que dirige el catedrático de la Universidad Politécnica de Cartagena, Manuel Ruiz Marín: el grupo I+D 'Modelización Económica y Estadística No Paramétrica'; reconocido como Grupo de Excelencia Científica de la Comunidad Autónoma de la Región de Murcia, por la Fundación Séneca.

«Nos pareció que un campo natural para aplicar nuestro trabajo era en las señales complejas que emite el cuerpo humano. Decidimos comenzar por el corazón y pensamos que analizar comportamientos fuera de la normalidad del corazón, era el lugar óptimo para aplicar nuestros algoritmos. Nos pusimos en contacto con el jefe de servicio de la UCI del Hospital Universitario los Arcos del Mar Menor, quien a su vez nos puso en contacto con el servicio de Cardiología y Arritmias de la Hospital Universitario Virgen de la Arrixaca y nos ayudaron a comprender el comportamiento de las arritmias y a focalizar el análisis en la Fibrilación Auricular por ser una arritmia asintomática y muy problemática para la salud del paciente», explica.

Rápidamente se dieron cuenta de que sus técnicas de análisis de datos encajaban perfectamente en la estrategia de detección de arritmias. A partir de entonces, y con la colaboración de médicos y bioestadísticos del hospital Monte Sinaí de Nueva York, desarrollaron un algoritmo de detección de Fibrilación Auricular a partir de la medición de la frecuencia cardiaca.

Así pues, el proyecto surgió de la colaboración multidisciplinar entre grupos de investigación de la UPCT, UNED, el Hospital Monte Sinaí de Nueva York, el Hospital Los Arcos del Mar Menor y el Hospital Virgen de la Arrixaca que aunaron esfuerzos para comprender y detectar diferentes arritmias cardiacas en ventanas cortas de tiempo. «Nos hemos centrado en una de las arritmias con mayor incidencia en la población y que se conoce como una de las causas más importantes en la creación de trombos e ictus», añade Ruiz.

El proyecto nació con dos fases diferenciadas. La primera de ellas consiste en desarrollar un algoritmo que permita detectar Fibrilación Auricular a partir de registros cortos (menos de un minuto) de frecuencia cardiaca.

La segunda fase consiste en implementar el algoritmo mediante el uso de un sensor de bajo coste que interaccione con una aplicación móvil y que permita diagnosticar fibrilación auricular de manera ambulatoria e incluso en el propio hogar.

Actualmente, la primera fase está terminada y el algoritmo ha sido publicado en la prestigiosa revista Journal of Clinical Medicine.La segunda fase de desarrollo de la aplicación móvil para el diagnóstico de arritmias se está elaborando conjuntamente por los grupos 'Modelización Económica y Estadística No Paramétrica' e 'Ingeniería Telemática' de la UPCT.

Asegura el catedrático que «las técnicas de análisis de datos que hemos desarrollado no se han aplicado aún a otras patologías. Sin embargo, estamos en contacto con el servicio de Neurología de los Hospitales Santa Lucia y Virgen de la Arrixaca para aplicar nuevos algoritmos a la predicción y detección de crisis epilépticas y su propagación en el cerebro».

Con respecto a si conocían métodos de detección similares al suyo o si tenían conocimiento de que en alguna otra parte del mundo se hubiera intentado, Manuel Ruiz Marín afirma que «existen trabajos en los que se proponen métodos de detección de fibrilación auricular, pero la gran mayoría de ellos necesitan datos que proporciona un electrocardiograma lo que hace difícil su uso ambulatorio o en casa. Sin embargo, nuestra propuesta sólo utiliza la frecuencia cardiaca durante periodos de tiempo de corta duración, y por tanto se puede realizar con dispositivos de bajo coste fuera de un hospital».

Como conclusión principal, «destacaría de esta experiencia que el análisis de datos, el aprendizaje de máquinas y el BigData se van a convertir en una herramienta fundamental para la ayuda al diagnóstico de enfermedades y que facilitará la labor de los profesionales sanitarios. Por tanto, creo que el servicio público de salud debería hacer una apuesta clara por la incorporación de estas metodologías en el sistema sanitario».

El proyecto 'Detección de fibrilación auricular con registros cortos de frecuencia cardiaca' ha sido financiado por la Fundación Séneca y el Hospital Monte Sinaí de Nueva York, algo sobre lo que Manuel Ruiz señala: «Es interesante que la sociedad sepa que financiar, aunque sea de forma modesta, la investigación que se hace en las universidades y centros públicos de este país, produce siempre un efecto positivo en la creación de conocimiento, riqueza y en el bienestar de los ciudadanos. Estamos además muy satisfechos, como investigadores, cuando el enfoque de dicha investigación tiene un claro objetivo social y de salud, como es nuestro caso».