31.03.25
Las enfermedades cardíacas son la principal causa de mortalidad humana en el mundo, lo que convierte su reconocimiento en una tarea de gran importancia. Un equipo de investigadores de la Universidad Politécnica de Madrid (UPM) y del Centro Nacional de Investigaciones Cardiovasculares Carlos III (CNIC) ha afrontado este desafío y ha desarrollado un sistema basado en inteligencia artificial (IA) que reconoce automáticamente enfermedades cardíacas en tiempo real, lo que puede suponer una gran ayuda a los expertos cardiólogos en los trabajos de diagnóstico, de elaboración de tratamientos más personalizados y efectivos y, por tanto, en la reducción de la mortalidad por enfermedades cardiovasculares.
La investigación realizada, supervisada por los profesores Soledad Le Clainche y Jesús Garicano, está ligada a los proyectos “DigitHeart” (New tools and models based on CFD and non-invasive imaging to predict heart disease progression and response to treatment, TED2021-129774B-C21) y “CardioAging” (Mecanometabolismos de la insuficiencia cardíaca asociada a la edad, PLEC2022-009235). En la UPM, dicha investigación se ha llevado a cabo en la Escuela Técnica Superior en Ingeniería Aeronáutica y del Espacio (ETSIAE). En concreto, en el grupo de investigación ModelFLOWs, cuya actividad principal −liderada por Soledad Le Clainche− consiste en desarrollar herramientas de IA para reducir la contaminación y contribuir al progreso de la medicina personalizada. En esta última línea trabaja también otro miembro del grupo −Andrés Bell Navas, investigador postdoctoral−, concretamente en el reconocimiento de enfermedades cardíacas mediante inteligencia artificial.
Diagrama simplificado del sistema de reconocimiento de enfermedades cardíacas mediante inteligencia artificial Fuente: UPM.
Los proyectos “DigitHeart” y “CardioAging”, desarrollados en colaboración con el CNIC, persiguen implementar herramientas novedosas para la detección temprana de enfermedades cardiovasculares. A lo largo de estos proyectos, se han desarrollado y probado tecnologías nuevas que combinan redes neuronales y técnicas de descomposición modal (ampliamente empleadas en mecánica de fluidos) para el análisis de imágenes médicas de ecocardiogramas y el reconocimiento en tiempo real de patologías 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”, señala Andrés Bell Navas.
Andrés ha estado también presentando sus resultados de investigación en varios congresos y eventos científicos de diversos ámbitos como la inteligencia artificial, matemáticas, cardiología y medicina, organizados en diferentes partes de Europa. “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 el investigador.
Imagen: Andrés Bell Navas explicando su trabajo de investigación en el “workshop” del grupo ModelFLOWs Fuente: UPM.
Andrés Bell-Navas, Nourelhouda Groun, María Villalba-Orero, Enrique Lara-Pezzi, Jesús Garicano-Mena, Soledad Le Clainche. Automatic Cardiac Pathology Recognition in Echocardiography Images using Higher Order Dynamic Mode Decomposition and a Vision Transformer for Small Datasets. Expert Systems with Applications, Volume 264, 10 March 2025: https://doi.org/10.1016/j.eswa.2024.125849