Investigadores de la Universidad de Kerala (India) y de la Universidad de Nova Gorica (Eslovenia) han desarrollado un método para identificar la disfunción de la válvula aórtica mediante un complejo análisis de redes que es preciso, sencillo de utilizar y de bajo coste, según publican en el Journal of Applied Physics.
La estenosis de la válvula aórtica se produce cuando la válvula aórtica se estrecha, estrechando el flujo sanguíneo desde el corazón a través de la arteria y hacia todo el cuerpo. En los casos graves, puede provocar una insuficiencia cardíaca. La identificación de esta afección puede ser difícil en zonas remotas, ya que requiere una tecnología sofisticada y es difícil obtener un diagnóstico en las primeras fases.
"Muchos centros de salud rurales no disponen de la tecnología necesaria para analizar enfermedades como ésta", recuerda la autora M.S. Swapna, de la Universidad de Nova Gorica y la Universidad de Kerala.
"Para nuestra técnica, sólo necesitamos un estetoscopio y un ordenador"
La herramienta de diagnóstico funciona a partir de los sonidos producidos por el corazón. El órgano crea un ruido de "lub" al cerrar las válvulas mitral y tricúspide, hace una pausa cuando se produce la relajación ventricular y la sangre se llena, y luego hace un segundo ruido, "dub", al cerrarse las válvulas aórtica y pulmonar.
Swapna y su equipo utilizaron los datos del sonido del corazón, recogidos durante 10 minutos, para crear un gráfico, o una compleja red de puntos conectados. Los datos se dividieron en secciones y cada parte se representó con un nodo, o punto único en el gráfico. Si el sonido de esa parte de los datos era similar al de otra sección, se trazaba una línea, o borde, entre los dos nodos.
En un corazón sano, el gráfico mostraba dos grupos distintos de puntos, con muchos nodos desconectados. En cambio, un corazón con estenosis aórtica contenía muchas más correlaciones y aristas. "En el caso de la estenosis aórtica, no hay separación entre las señales sonoras de lub y dub", explica Swapna.
"El método propuesto puede ampliarse a cualquier tipo de señales de sonido del corazón, de los pulmones o de la tos"
Los investigadores utilizaron el aprendizaje automático para examinar los gráficos e identificar aquellos con y sin enfermedad, logrando una precisión de clasificación del 100%. Su método tiene en cuenta la correlación de cada punto, por lo que es más preciso que otros que sólo tienen en cuenta la fuerza de la señal, y lo hace en menos de 10 minutos. Por ello, podría ser útil para los diagnósticos en fase temprana, destaca.
De momento, el método sólo se ha probado con datos, no en un entorno clínico. Los autores están desarrollando una aplicación móvil a la que se podría acceder en todo el mundo. Su técnica también podría utilizarse para diagnosticar otras enfermedades.