Última modificación: 2019-08-31
Resumen
Tema: Transformación digital en salud y calidad de vida
La principal causa de defunción a nivel mundial, según la OMS (organización mundial de la salud), es el padecimiento de alguna enfermedad cardiovascular. Las arritmias cardíacas, en particular, pueden evolucionar en una enfermedad cardiovascular como una cardiopatía. Una arritmia en sus etapas tempranas es muy intermitente, lo cual dificulta un diagnóstico más oportuno. [1,2]. Las arritmias son una causa importante de morbilidad y mortalidad en las enfermedades cardíacas, entre las cuales se destacan las taquiarritmias ventriculares agudas que son la mayor causa de muertes súbitas, a menudo provocadas por eventos coronarios agudos. Éstas pueden presentarse en personas sin enfermedad cardíaca conocida o en asociación con cardiopatía estructural [1]. Así pues, se hace imperativo hallar la forma de realizar un diagnóstico temprano para evitar la evolución de la arritmia en una enfermedad cardiaca que en etapas avanzadas no respondería de forma favorable a los tratamientos, confirmando la importancia de una detección oportuna.
En esta investigación se propuso un algoritmo mejorado, mediante la caracterización de las señales tomadas por monitores ambulatorios externos que permiten grabar y almacenar datos generados por el ECG (Electrocardiograma), haciendo posible establecer de manera gráfica el comportamiento electrofisiológico del corazón [1]. Teniendo en cuenta que los datos obtenidos por el monitoreo son no estacionarios, se consideró el uso de la TW (Transformada Wavelet) como una opción adecuada para el análisis de este tipo de señal. La transformada discreta de wavelet (TDW) realiza una descomposición adaptativa de tiempo-frecuencia en un patrón correspondiente [4] lo que permite extraer patrones naturales que se encuentran dentro de la electrofisiología del corazón como lo son el complejo QRS, el segmento PR, el segmento QR, el segmento RS y el segmento ST [4]. Estos patrones se ven modificados por el ruido proveniente de la muestra ECG y es aquí donde la filtración permitió eliminar las señales no deseadas que modificaban el patrón de comportamiento de la señal original [1].
Una vez filtrada y caracterizada la señal fue posible distinguir más fácilmente por medio de un método de clasificación definido a través de la comparación de resultados obtenidos por las diferentes técnicas de clasificación como son máquinas de soporte vectorial[4], clasificador lineal, clasificador bayesiano entre otros; comparando los resultados obtenidos en otras investigaciones a partir de bases de datos de arritmias disponibles como lo fueron MIT-BIH Arrhythmia Database [5] y bases de datos generadas en estudios de la población objeto de investigación, comparando una señal normal y una señal con presencia de arritmias tales como bloqueo de rama izquierda, bloqueo de rama derecha, fibrilación ventricular o aleteo auricular, entre otras.
[1] Heikki V. Huikuri, M.D., Agustin Castellanos, M.D.,and Robert J. Myerburg, M.D. SUDDEN DEATH DUE TO CARDIAC ARRHYTHMIAS. MEDICAL PROGRESS. N Engl J Med, November 15, 2001
[2] Christine M. Albert, MD; William G. Stevenson, MD. The Future of Arrhythmias and Electrophysiology. The Future of Cardiovascular Biomedicine, April 2017
[3] Qibin Zhao, Liqing Zhang, ECG Feature Extraction and Classification Using Wavelet Transform and Support Vector Machines, IEEE,10 April 2006.