Las patologías cardíacas se detectan mediante señales de electrocardiograma unidimensionales o imágenes bidimensionales. Cuando se trabaja con señales de electrocardiograma, se pueden representar en los dominios de tiempo y frecuencia (señales unidimensionales). Sin embargo, esta técnica puede presentar dificultades, como el alto costo de los servicios de salud privada o el tiempo que tarda el sistema de salud público en derivar al paciente a un cardiólogo.
Además, la variedad de patologías cardíacas (más de 20 tipos) es un problema en el diagnóstico de la enfermedad. Por otro lado, la electrocardiografía de superficie (sECG) es una técnica poco explorada para este diagnóstico.
Con este propósito, el equipo conformado por Evelyn Aguiar, Ingeniera Biomédica graduada de la Escuela de Ciencias Biológicas e Ingeniería y Diego Almeida, Ph.D., docente de la Escuela de Ciencias Biológicas e Ingeniería; en colaboración con Daniel Amaguaña, estudiante de la Escuela de Ciencias Biológicas e Ingeniería; Andrés Tirado, Ph.D., docente de la Escuela de Ciencias Matemáticas y Computacionales y Fernando Villalba, Ph.D., docente Escuela de Ciencias Biológicas e Ingeniería, desarrollaron el proyecto Rapid Detection of Cardiac Pathologies by Neural Networks Using ECG Signals (1D) and sECG Images (3D) que se encuentra publicado en la revista científica Multidisciplinary Digital Publishing Institute (MDPI), indexada en la base de datos Scopus (Q2), enfocada en áreas como: ciencias de la computación, matemáticas y modelado y simulación.
La investigación tuvo como principal objetivo la detección de patologías cardíacas mediante redes neuronales LSTM y ResNet34 con señales de electrocardiografía de superficie (sECG). Las sECG son imágenes tridimensionales (dos dimensiones en el espacio y una en el tiempo). Se espera que el uso de estos modelos sirva como herramienta para apoyar al médico de atención primaria a llegar a un diagnóstico de las patologías cardíacas, sin que esto implique reemplazar al profesional de la salud, ya que permitiría una mejora significativa en la forma en que se realiza el diagnóstico cardíaco de forma activa.