Análisis de señales respiratorias para el diagnóstico de pacientes con insuficiencia cardíaca crónica mediante técnicas de inteligencia artificial

La Insuficiencia Cardiaca Crónica (ICC) es un síndrome clínico que resulta de cualquier daño cardiaco estructural o funcional y que impide el adecuado funcionamiento del corazón como motor que impulsa la sangre a lo largo del sistema circulatorio para satisfacer las necesidades metabólicas del organismo. Sus principales manifestaciones son: edema pulmonar (acumulación de líquido en los pulmones), disnea (dificultad respiratoria), disminución de la tolerancia al ejercicio y fatiga. La ICC constituye un problema grave de salud pública por su creciente prevalencia y el elevado número de ingresos hospitalarios y mortalidad [1,2]. El problema principal es el cuadro clínico del paciente con ICC que por lo general es asintomático, hasta encontrarse con síntomas como taquicardia, dificultad para respirar [5], y otros síntomas que pueden ser confundidos con diferentes enfermedades, pasando inadvertido gran parte de su vida sin realizar un tratamiento adecuado, debido a la falta de un sistema de detección temprana fácil y practico.

A largo plazo, la ICC se asocia a algunas enfermedades entre las que se encuentran: 1) Enfermedad isquémica coronaria 2) Cardiopatía hipertensiva 3) Valvulopatías 4) La endocarditis infecciosa 5) La valvulopatía reumática 6) Diabetes mellitus 7) Infarto de miocardio Debido a estos datos, actualmente la ICC es objeto de numerosas investigaciones y estudios, ya que si la tendencia actual se mantiene, podría convertirse en una de las primeras causas de mortalidad en pacientes mayores de 65 años. Debido a esto se estudiara el comportamiento de las señales cardiorrespiratorias mediante técnicas provenientes del tratamiento de las señales e inteligencia artificial con el fin de encontrar variables relevantes o índices que nos permitan diferenciar entre las señales de sujetos sanos y sujetos con (ICC), que nos permita realizar posteriormente un sistema de decisión soporte en la decisión médica, para la detección temprana de pacientes que pueden sufrir en el futuro ICC los cuales puedan ser tratados tempranamente. Realizando un diagnostico preventivo del ICC se espera reducir la incidencia de enfermedades crónica asociadas a esta enfermedad, mejorando la calidad de vida de los pacientes.

El análisis de los patrones respiratorios para hacer un diagnóstico de distintos pacientes, es un proyecto que se hace en conjunto con la Doctora Beatriz Giraldo Giraldo de la UPC y el IBEC. Donde se busca determinar si un paciente sufre de ICC basándose en datos clínicos y señales respiratorias obtenidas de pacientes que con dicha patología y de pacientes sanos con el fin de determinar diferencias en el comportamiento de estos dos grupos. La base de datos de pacientes con (ICC) que se va a utilizar consta de 27 sujetos con la patología ICC clasificados en 3 grupos diferentes de acuerdo con su patrón respiratorio. los pacientes de la base de datos fueron registrados en el Servicio de Cardiología del Hospital de la Santa Creu i Sant Pau (Barcelona). La base de datos está formada por:

Pacientes con ICC 23: 1) 19 pacientes con una respiración no periódica (nPB).2) 5 pacientes con respiración periódica (PB), 3) 3 pacientes con respiración periódica de Cheyne-Stokes (CSR).
Pacientes Sanos 35

Implementar técnicas de tratamiento de señales, inteligencia artificial y estadísticas para determinar variables y/o parámetros relevantes en las señales Cardio-respiratorias que puedan contribuir al diagnóstico temprano de pacientes con insuficiencia cardiaca crónica.

- Realizar análisis estadístico de las señales cardiorrespiratorias de la base de datos Wean DB para su caracterización y Data Wrangling.
- Implementar técnicas estadísticas de remuestreo de datos para realizar el acoplamiento de las señales cardiorrespiratorias, e implementar técnica de balanceo de clases y aumento de patrones sintéticos de las bases de datos.
- Objetivo específico 3Implementar técnicas de provenientes del campo de procesamiento de señales y técnicas de reducción de dimensionalidad para determinar las variables que más relevantes del sistema.
- Implementar métodos de clasificación provenientes del campo de Inteligencia Artificial para determinar la clase a la cual pertenece el paciente, en base con las variables más relevantes del sistema.
- Objetivo específico 5Evaluar e inter comparar resultados entre las diferentes metodologías de procesamiento de señales y clasificación implementadas en el proyecto, para determinar la combinación de técnicas que mejor se comporte al momento de determinar si un paciente tiene la patología, y la consulta de los resultados con un experto sobre las variables o índices relevantes para el diagnostico de ICC, y su explicación fisiológica.
- Desarrollar un software con interfaz gráfica para realizar el diagnóstico de pacientes con insuficiencia cardiaca crónica.