Análisis de datos para agilizar el diagnóstico de la enfermedad de Kawasaki

10.01.2022

Investigadores del Grupo de Tratamiento de Imágenes (GTI) de la ETSI de Telecomunicación de la Universidad Politécnica de Madrid (UPM) proponen un modelo de análisis de datos que ayuda a interpretar de manera automatizada los datos de los ecocardiogramas para detectar de manera precoz la enfermedad de Kawasaki, la patología cardíaca más común en los niños de los países desarrollados.

La enfermedad de Kawasaki es la afección cardíaca más común presente en los niños de los países desarrollados. Si la enfermedad no se diagnostica pronto puede generar vasculitis, miocarditis y dilatación coronaria pudiendo causar complicaciones cardíacas a largo plazo por el daño generado en los vasos sanguíneos.  De ahí que sea especialmente importante perfeccionar las técnicas de detección de las que se dispone a partir del análisis de los datos procedentes de técnicas de imagen inocuas como puede ser el ecocardiograma.

El sistema desarrollado por los investigadores del GTI está basado en técnicas de aprendizaje profundo capaz de agilizar el análisis de las imágenes procedentes del ecocardiograma mejorando y agilizando así el diagnóstico.

“La realización de ecocardiogramas permite detectar anomalías en las arterias coronarias. Este proceso es difícil de automatizar, por lo que se realiza de forma manual, siendo normalmente un proceso complejo, lento y tedioso, pero el más efectivo para diagnosticar esta patología”, explica Julián Cabrera, uno de los investigadores de la ETSIT-UPM participantes en este trabajo para el que también han contado con expertos pediatras pertenecientes al Hospital 12 de Octubre y de cardiólogas del Hospital Santa Sofía y el Hospital 12 de Octubre, quienes además han colaborado en la elaboración de la base de datos empleada tanto para el entrenamiento como para las pruebas del sistema.

Análisis automático

El modelo propuesto por los investigadores aborda el primer paso de análisis automático del ecocardiograma: la detección de las arterias coronarias en los fotogramas del mismo.

“En esta primera etapa, el sistema extrae todos los fotogramas pertenecientes al ecocardiograma y se clasifican en función de las arterias que aparecen en ellos: arteria izquierda, arteria derecha, ambas arterias o ninguna”.

Para conseguirlo, la investigación se centra en el diseño, desarrollo y evaluación de redes neuronales convolucionales de diferente profundidad diseñadas específicamente para clasificar imágenes de ecocardiografía.

Para los investigadores de la ETSIT-UPM, la principal ventaja de este modelo es que permite agilizar y dinamizar el diagnóstico haciendo automática la interpretación de las imágenes, cosa que hasta el momento tenía que realizarse de un modo más lento por parte de los profesionales.

“Este primer desarrollo va a permitir seleccionar automáticamente los fotogramas relevantes a analizar dentro del ecocardiograma, permitiendo agilizar el diagnóstico de la enfermedad y facilitando el trabajo a los cardiólogos”, concluye Cabrera.

Tomás Mantecón, Elisa Fernández-Cooke, Capucine Bertrand, Carlos Grasa, Ana Barrios, Belén Toral, Leticia Albert, Pablo Rojo and Julián Cabrera “Coronary Artery Identification on Echocardiograms for Kawasaki Disease Diagnosis.” 2020 International Conference on e-Health and Bioengineering (EHB) (2020): 1-4. doi.org/10.1109/EHB50910.2020.9280232

En la imagen, ecocardiograma en el que aparecen ambas arterias coronarias. Redondeada de color rojo la arteria coronaria izquierda y de color verde la derecha.