El grupo de investigación Video and Image Processing (VIP) del Departamento de Arquitectura de Computadores de la Universidad de Málaga, en colaboración con expertos del Laboratorio de Sistemas Embebidos de la École Polytechnique Fédérale de Lausanne (Suiza), ha desarrollado un sistema inteligente capaz de detectar anomalías cardíacas en electrocardiogramas (ECG) con una precisión del 84%, mejorando el rendimiento de los métodos convencionales basados en la interpretación manual de los trazados.
Los investigadores destacan que los sistemas actuales requieren la lectura detallada de las señales por parte de profesionales sanitarios, un proceso que demanda tiempo y experiencia previa. La combinación entre detección automática y supervisión médica podría mejorar significativamente la precisión diagnóstica en pacientes con riesgo de sufrir alteraciones cardíacas.
Un modelo que aprende solo de ECG sanos
El nuevo sistema, denominado FADE, supone un avance respecto a modelos de inteligencia artificial previos, que necesitaban grandes conjuntos de señales anómalas etiquetadas por cardiólogos. En lugar de esto, FADE se entrena únicamente con electrocardiogramas normales, lo que elimina la necesidad de recopilar extensas bases de datos anotadas manualmente.
Tras aprender cómo es la señal de un corazón sano, el sistema es capaz de predecir la señal futura del ECG y detectar desviaciones que puedan anticipar la presencia de arritmias, isquemia o incluso un infarto de miocardio. Esta capacidad —explican los investigadores— reduce costes y tiempo, al no requerir supervisión experta en la fase inicial de entrenamiento.
«Entrenamos el modelo con una base de datos de señales normales, lo que le permite aprender cómo es un electrocardiograma sano sin necesidad de que un cardiólogo indique si existen irregularidades en esta fase», explica Paula Ruiz Barroso, investigadora de la Universidad de Málaga y autora principal del estudio. Para diferenciar con precisión una anomalía, el equipo establece posteriormente un umbral de detección usando un pequeño conjunto de señales normales y anormales. «Este método nos permite determinar con fiabilidad cuándo una señal debe considerarse anómala», añade Ruiz.
Un rendimiento robusto y superior a modelos previos
Los resultados muestran que FADE detecta eficazmente los latidos cardíacos anormales, alcanzando una precisión media del 83,84% en la identificación de anomalías y del 85,46% en la clasificación de señales normales. Estas conclusiones aparecen detalladas en el estudio FADE: Forecasting for anomaly detection on ECG, publicado en la revista Computer Methods and Programs in Biomedicine.
A diferencia de investigaciones previas centradas únicamente en determinados tipos de anomalías, principalmente relacionadas con la frecuencia cardíaca, el enfoque de Málaga y Lausana es más versátil y robusto, permitiendo identificar un espectro más amplio de irregularidades, entre ellas arritmias complejas.
Dos rutas de procesamiento y doble entrenamiento para ganar precisión
El sistema destaca por su diseño: emplea dos rutas de procesamiento paralelas, cada una especializada en capturar aspectos distintos de la señal —cambios rápidos y lentos— y un modelo adicional capaz de reconstruir el electrocardiograma futuro. Este enfoque permite anticipar desviaciones respecto al patrón normal.
El equipo entrena FADE con dos bases de datos que suman 456 horas de grabación, lo que amplía su capacidad de generalización. «No es fácil que un modelo funcione en otra base de datos; es necesario reentrenarlo para que se ajuste al nuevo contexto donde tiene que operar», aclara Ruiz.
Además, han incorporado una estrategia de aprendizaje que analiza de forma separada los picos y la banda central de la señal, permitiendo predecir mejor el comportamiento esperado de un ECG sano. «Enseñamos al sistema a intuir ambas partes por separado, lo que mejora la reconstrucción de la señal normal», detalla la investigadora.
Próximo paso: pruebas en consulta y dispositivos portables
El equipo de la Universidad de Málaga ya está en contacto con profesionales médicos para llevar FADE a un entorno clínico real, donde será probado directamente en consulta. Paralelamente, trabajan en la optimización del modelo con vistas a integrarlo en un dispositivo portátil que pueda ser usado por pacientes en su vida diaria.
Otra línea de trabajo se centra en depurar la señal cuando aparece ruido o se producen distorsiones, algo habitual en registros tomados en movimiento.