Una válvula aórtica normal (izquierda) versus una válvula aórtica defectuosa (derecha) y sus diferentes señales de sonido (púrpura). Los datos de sonido se usaron para generar gráficos en las esquinas inferiores, que difieren mucho y pueden ayudar a diagnosticar la estenosis de la válvula aórtica. Crédito:MS Intercambio
La estenosis de la válvula aórtica ocurre cuando la válvula aórtica se estrecha, lo que restringe el flujo de sangre desde el corazón a través de la arteria y hacia todo el cuerpo. En casos severos, puede conducir a insuficiencia cardíaca. Identificar la condición puede ser difícil en áreas remotas porque requiere tecnología sofisticada, y los diagnósticos en etapas tempranas son difíciles de obtener.
En el Diario de Física Aplicada , investigadores de la Universidad de Kerala, India, y la Universidad de Nova Gorica, Eslovenia, desarrollaron un método para identificar la disfunción valvular mediante un análisis de red complejo que es preciso, fácil de usar y económico.
"Muchos centros de salud rurales no cuentan con la tecnología necesaria para analizar enfermedades como esta", dijo el autor M.S. Swapna, de la Universidad de Nova Gorica y la Universidad de Kerala. "Para nuestra técnica, solo necesitamos un estetoscopio y una computadora".
La herramienta de diagnóstico funciona en base a los sonidos producidos por el corazón. El órgano genera un ruido "lub" cuando cierra las válvulas mitral y tricúspide, se detiene cuando se produce la relajación ventricular y la sangre se llena, luego hace un segundo ruido, "dub", cuando se cierran las válvulas aórtica y pulmonar.
Swapna y su equipo utilizaron datos de sonidos cardíacos, recopilados durante 10 minutos, para crear un gráfico o una red compleja 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 en esa parte de los datos era similar a otra sección, se dibujaba una línea o borde entre los dos nodos.
En un corazón sano, el gráfico mostraba dos grupos distintos de puntos, con muchos nodos desconectados. Por el contrario, un corazón con estenosis aórtica contenía muchas más correlaciones y bordes.
"En el caso de la estenosis aórtica, no hay separación entre las señales de sonido lub y dub", dijo Swapna.
Los investigadores utilizaron el aprendizaje automático para examinar los gráficos e identificar a aquellos con y sin enfermedad, logrando una precisión de clasificación del 100 %. Su método toma la correlación de cada punto bajo consideración, haciéndolo más preciso que otros que solo consideran la fuerza de la señal, y lo hace en menos de 10 minutos. Como tal, podría ser útil para diagnósticos en etapas tempranas.
Hasta ahora, el método solo 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 usarse para diagnosticar otras afecciones.
"El método propuesto se puede extender a cualquier tipo de señales de sonido del corazón, señales de sonido de los pulmones o señales de sonido de la tos", dijo Swapna.
El autor del artículo "Desenvolviendo la disfunción de la válvula aórtica a través del análisis de redes complejas:un enfoque biofísico" es V. Vijesh, M.S. Swapna, K. Satheesh Kumar y S. Sankararaman. El artículo aparecerá en The Journal of Applied Physics el 30 de agosto de 2022. + Explora más
