Tema: Transformación digital en salud y calidad de vida

Según datos recientes ofrecidos por la organización mundial de la salud (OMS), las enfermedades cardiovasculares (ECV) representan la principal causa de muerte en el mundo. Del mismo modo, en Colombia, en los últimos años se ha producido un aumento en la tasa de mortalidad causada por las ECV, convirtiéndola en la principal causa de muerte. Dentro de las ECV se encuentra una patología conocida como los soplos cardiacos. Estos se producen como consecuencia de flujos turbulentos  dentro y fuera del corazón, los cuales indican principalmente daños en el funcionamiento de las válvulas cardiacas. Comúnmente, el proceso de auscultación realizado por un médico especialista, de acuerdo a su experiencia, es el método aplicado para la detección de soplos cardiacos. Sin embargo, el desempeño para diagnosticar un soplo utilizando este método no es bueno, si se compara con el desempeño de sistemas de ayuda diagnóstica basados en el procesamiento digital de señales.

En este proyecto se diseñó e implementó un método automático de detección de soplos, desde el análisis en el domino tiempo-frecuencia, de las señales de fonocardiografía FCG. Para la etapa de validación del método, se utilizó la base de datos PASCAL, la cual contiene 66 registros de FCG en formato wav, de pacientes que presentan soplo cardíaco y 200 de pacientes sin esta patología. Las señales fueron adquiridas a través del equipo DigiScope, con una frecuencia de muestreo de 4 kHz. Las señales fueron pre-procesadas para reducir artefactos y posteriormente fueron analizadas a partir de la transformada Wavelet continua. El análisis mostró que la variación temporal de los componentes frecuencias del FCG, en la banda de 200 a 400 Hz, podía ser un indicador de la presencia de soplos. El método de detección automático aprovechó esta característica para aplicar una etapa de decisión.

El método implementado obtuvo una exactitud del 66.91%, una sensibilidad del 80.3% y una especificidad del 62.5%, al confrontar los datos arrojados por el algoritmo y la información proporcionada por la base de datos. El algoritmo implementado tiene una mayor sensibilidad que especificidad, en concordancia con otros estudios. Estos resultados son adecuados para un diagnóstico inicial, que luego podría ser corroborado con imagenología. El método diseñado tiene un desempeño superior en la sensibilidad en comparación con el diagnóstico obtenido por un médico experto, el cual tiene una sensibilidad del 70% y una especificidad del 98%. El proyecto contempla una nueva etapa que involucra nuevos métodos que permitan mejorar el porcentaje de especificidad.