stringtranslate.com

Auscultación asistida por ordenador

La auscultación asistida por computadora ( CAA ), o auscultación asistida por computadora , es una forma digital de auscultación . Incluye la grabación, visualización, almacenamiento, análisis y uso compartido de grabaciones digitales de sonidos cardíacos o pulmonares. Las grabaciones se obtienen utilizando un estetoscopio electrónico o un dispositivo de grabación similar adecuado. La auscultación asistida por computadora está diseñada para ayudar a los profesionales de la salud que realizan la auscultación como parte de su proceso de diagnóstico. Los productos comerciales de CAA generalmente se clasifican como sistemas de apoyo a la toma de decisiones clínicas que ayudan a los profesionales médicos a realizar un diagnóstico. Como tales, son dispositivos médicos y requieren certificación o aprobación de una autoridad competente (por ejemplo, aprobación de la FDA , conformidad CE emitida por un organismo notificado).

Beneficios de la CAA

En comparación con la auscultación tradicional, la auscultación asistida por computadora (CAA) ofrece una serie de mejoras beneficiosas para múltiples partes interesadas:

Principio funcional

En un sistema CAA, los sonidos se graban a través de un estetoscopio electrónico. Los datos de audio se transfieren a un dispositivo electrónico a través de Bluetooth o una conexión de cable de audio. Un software especial en ese dispositivo visualiza, almacena y analiza los datos. Con algunos de los sistemas CAA más sofisticados, el análisis CAA produce resultados que se pueden utilizar para objetivar diagnósticos ( sistema de apoyo a la toma de decisiones ). [ cita requerida ]

Componentes de un sistema CAA

Los componentes de un sistema CAA dependen de su complejidad. Mientras que algunos de los sistemas más sencillos sólo ofrecen opciones de visualización o almacenamiento, otros sistemas combinan visualización, almacenamiento, análisis y la capacidad de gestionar electrónicamente dichos datos.

Estetoscopio electrónico

Los estetoscopios electrónicos (también llamados estetoscopios digitales) convierten las ondas sonoras acústicas en señales eléctricas digitales. Estas señales se amplifican mediante transductores y actualmente alcanzan niveles hasta 100 veces superiores a los de los estetoscopios acústicos tradicionales. Además, los estetoscopios electrónicos se pueden utilizar para filtrar el ruido de fondo, una característica que puede ser relevante para la seguridad y facilitar diagnósticos más precisos. Si bien la amplificación y el filtrado del sonido son las principales funciones de un estetoscopio electrónico, la capacidad de acceder a los sonidos a través de medios externos mediante Bluetooth o cables de audio los convierte en un dispositivo de captura de sonido ideal para los sistemas CAA. [ cita requerida ]

Dispositivo que ejecuta la interfaz gráfica de usuario

Los dispositivos que se pueden utilizar para conectarse a un estetoscopio electrónico y grabar la señal de audio (por ejemplo, sonidos cardíacos o pulmonares) incluyen PC, computadoras portátiles y dispositivos móviles como teléfonos inteligentes o tabletas. Por lo general, los sistemas CAA incluyen software que puede visualizar la señal de audio entrante. Los sistemas CAA más sofisticados incluyen algoritmos de detección de ruido en vivo, diseñados para ayudar al usuario a lograr la mejor calidad de grabación posible.

Interfaz gráfica de usuario del sistema CAA eMurmur [7] que muestra la señal entrante en tiempo real. Este sistema CAA incluye algoritmos de detección de ruido en vivo que garantizan que la señal registrada tenga la calidad suficiente.

Software de análisis

Una característica clave de los sistemas CAA es el análisis automatizado de las señales de audio grabadas mediante algoritmos de procesamiento de señales. Dichos algoritmos pueden ejecutarse directamente en el dispositivo utilizado para realizar la grabación o alojarse en una nube conectada al dispositivo. El grado de autonomía de los algoritmos de análisis disponibles en la actualidad varía enormemente. Si bien algunos sistemas funcionan de forma totalmente autónoma, [7] los primeros sistemas basados ​​en PC requerían una importante interacción del usuario y la interpretación de los resultados, [8] y otros sistemas de análisis requieren cierto grado de asistencia por parte del usuario, como la confirmación/corrección manual de las frecuencias cardíacas estimadas. [9]

Pantalla de resultados basada en dispositivo móvil del sistema eMurmur CAA, [7] que muestra la clasificación AHA, los resultados del análisis del soplo (sin soplo, soplo inocente o patológico, datos descriptivos adicionales), la frecuencia cardíaca y la opción de reproducción de las grabaciones.
El programa de software SensiCardiac CAA basado en computadora portátil, [9] que muestra los sonidos cardíacos registrados y la señal de ECG, así como los resultados del análisis.

Almacenamiento de datos basados ​​en auscultación

Los sonidos grabados y los datos analíticos y de pacientes asociados se pueden almacenar, gestionar o archivar electrónicamente. La información de identificación del paciente se puede manejar o almacenar en el proceso. Si los datos almacenados se clasifican como PHI (información médica protegida), un sistema que albergue dichos datos debe cumplir con las leyes de protección de datos específicas del país, como HIPAA para los EE. UU. o la Directiva de protección de datos para la UE. Las opciones de almacenamiento para los sistemas CAA actuales varían desde la capacidad básica de recuperar un informe PDF descargable hasta una interfaz integral basada en la nube para la gestión electrónica de todos los datos basados ​​en la auscultación. [ cita requerida ]

Interfaz de usuario basada en la nube

El usuario puede revisar todos los registros de sus pacientes (incluida la reproducción de archivos de audio) a través de una interfaz de usuario, por ejemplo, mediante un portal web en el navegador o un software independiente en el dispositivo electrónico. Otras funcionalidades incluyen compartir registros con otros usuarios, exportar registros de pacientes e integración en sistemas EHR .

CAA del corazón

La auscultación asistida por computadora destinada a detectar y caracterizar soplos cardíacos se denomina auscultación cardíaca asistida por computadora (también conocida como análisis automático de los ruidos cardíacos).

Motivación

La auscultación del corazón con un estetoscopio es el método de examen estándar en todo el mundo para detectar defectos cardíacos mediante la identificación de soplos. Requiere que el médico examinador tenga una audición aguda y una amplia experiencia. Un diagnóstico preciso sigue siendo un desafío por varias razones, incluido el ruido, las frecuencias cardíacas altas y la capacidad de distinguir soplos inocentes de patológicos. Si se realiza correctamente, el examen auscultatorio del corazón se considera comúnmente una herramienta económica y ampliamente disponible para la detección y el tratamiento de enfermedades cardíacas. [10] Sin embargo, se ha informado que las habilidades de auscultación de los médicos están en declive. [11] [12] [13] [14] [15] [16] [17] Esto conduce a diagnósticos de enfermedades omitidos y/o costos excesivos para pruebas diagnósticas innecesarias y costosas. Un estudio sugiere que más de un tercio de los defectos cardíacos congénitos no diagnosticados previamente en recién nacidos no se detectan en el examen de las 6 semanas. [18] Más del 60% de las derivaciones a especialistas médicos para ecocardiografías costosas se deben a un diagnóstico erróneo de un soplo inocente. [14] Por lo tanto, la CAA del corazón tiene el potencial de convertirse en una herramienta de detección y diagnóstico rentable, siempre que sus algoritmos subyacentes hayan sido probados clínicamente de manera estricta y a ciegas para determinar su capacidad de detectar la diferencia entre los sonidos cardíacos normales y anormales.

Soplos cardíacos y AAC

Los soplos cardíacos son ruidos audibles a través de un estetoscopio, generados por un flujo turbulento de sangre. Los soplos cardíacos deben distinguirse de los sonidos cardíacos que se generan principalmente por el corazón que late y las válvulas cardíacas que se abren y cierran de golpe. Generalmente, los soplos cardíacos se clasifican como inocentes (también llamados fisiológicos o funcionales) o patológicos (anormales). Los soplos inocentes suelen ser inofensivos, a menudo causados ​​por condiciones fisiológicas fuera del corazón y el resultado de ciertos defectos estructurales benignos. Los soplos patológicos se asocian con mayor frecuencia con problemas de las válvulas cardíacas, pero también pueden ser causados ​​por una amplia gama de defectos estructurales cardíacos. Varias características constituyen una descripción cualitativa de los soplos cardíacos, incluyendo el tiempo ( soplo sistólico y soplo diastólico ), la forma, la ubicación, la radiación, la intensidad , el tono y la calidad. Los sistemas CAA generalmente clasifican los ruidos cardíacos y los soplos como Clase I y Clase III según la Asociación Estadounidense del Corazón: [19]

Los sistemas CAA más sofisticados proporcionan información descriptiva adicional sobre el soplo, como el momento del soplo, la clasificación o la capacidad de identificar las posiciones de los ruidos cardíacos S1/S2.

Análisis del sonido cardíaco

La detección de soplos cardíacos en los sistemas CAA se basa en el análisis de los ruidos cardíacos registrados digitalmente. La mayoría de los enfoques utilizan las siguientes cuatro etapas:

  1. Detección de la frecuencia cardíaca: en la primera etapa, la frecuencia cardíaca se determina en función de la señal de audio del corazón. Es un paso crucial para las etapas siguientes y se requiere una gran precisión. La determinación automática de la frecuencia cardíaca en función de las grabaciones acústicas es un desafío porque la frecuencia cardíaca puede variar entre 40 y 200 lpm, el ruido y los soplos pueden camuflar los picos de los sonidos cardíacos (S1 y S2) y los latidos cardíacos irregulares pueden alterar la naturaleza cuasi periódica del latido cardíaco.
  2. Segmentación de los ruidos cardíacos : después de detectar la frecuencia cardíaca, se identifican las dos fases principales del latido ( sístole y diástole ). Esta diferenciación es importante ya que la mayoría de los soplos se producen en fases específicas durante el latido cardíaco. El ruido externo del entorno o el ruido interno del paciente (por ejemplo, la respiración) dificultan la segmentación de los ruidos cardíacos.
  3. Extracción de características: una vez identificadas las fases del latido cardíaco, se extrae información ( características ) del sonido cardíaco que pasa a una etapa de clasificación posterior. Las características pueden variar desde enfoques simples basados ​​en la energía hasta cantidades multidimensionales de orden superior.
  4. Clasificación de características: durante la clasificación, las características extraídas en la etapa anterior se utilizan para clasificar la señal y evaluar la presencia y el tipo de soplo. El principal desafío es diferenciar los registros sin soplo de los soplos inocentes de bajo grado, y los soplos inocentes de los soplos patológicos. Por lo general, se aplican enfoques de aprendizaje automático para construir un clasificador basado en datos de entrenamiento.

Evidencia clínica de los sistemas CAA

Los tipos más comunes de medidas de rendimiento para los sistemas CAA se basan en dos enfoques: estudios retrospectivos (no ciegos) que utilizan datos existentes y estudios clínicos prospectivos ciegos en nuevos pacientes. En los estudios retrospectivos de CAA, se entrena un clasificador con algoritmos de aprendizaje automático utilizando datos existentes. Luego, se evalúa el rendimiento del clasificador utilizando los mismos datos. Se utilizan diferentes enfoques para hacer esto (por ejemplo, validación cruzada k-Fold , validación cruzada leave-one-out ). La principal deficiencia de juzgar la calidad (sensibilidad, especificidad) de un sistema CAA basándose únicamente en datos de rendimiento retrospectivos proviene del riesgo de que los enfoques utilizados puedan sobrestimar el rendimiento real de un sistema determinado. El uso de los mismos datos para el entrenamiento y la validación puede conducir a un sobreajuste significativo del conjunto de validación, porque la mayoría de los clasificadores pueden diseñarse para analizar muy bien los datos conocidos, pero podrían no ser lo suficientemente generales para clasificar correctamente los datos desconocidos; es decir, los resultados se ven mucho mejor de lo que serían si se probaran en pacientes nuevos e invisibles. “El verdadero desempeño de una red seleccionada (sistema CAA) debe confirmarse midiendo su desempeño en un tercer conjunto independiente de datos llamado conjunto de prueba”. [20] En resumen, la confiabilidad de los estudios retrospectivos, no ciegos, generalmente se considera mucho menor que la de los estudios clínicos prospectivos porque son propensos al sesgo de selección y al sesgo retrospectivo. Los ejemplos publicados incluyen Pretorius et al. [21] Los estudios clínicos prospectivos, por otro lado, son más adecuados para evaluar el verdadero desempeño de un sistema CAA (siempre que el estudio sea ciego y esté bien controlado). En un estudio clínico prospectivo para evaluar el desempeño de un sistema CAA, el resultado del sistema CAA se compara con los diagnósticos de referencia . En el caso de soplos cardíacos, un diagnóstico de referencia adecuado sería el diagnóstico de un médico experto basado en la auscultación, estratificado por un diagnóstico basado en el ecocardiograma . Los ejemplos publicados incluyen Lai et al. [1]

Véase también

Referencias

  1. ^ ab Lai, Lillian; Andrew N. Redington; Andreas J. Reinisch; Michael J. Unterberger; Andreas J. Schriefl (2016). "Diagnóstico automático computarizado de soplos patológicos e inocentes en pediatría: un estudio piloto". Cardiopatía congénita . 11 (5): 386–395. doi :10.1111/chd.12328. PMID  26990211. S2CID  20921069.
  2. ^ Vaidyanathan, B; Sathish G; Mohanan ST; Sundaram KR; Warrier KK; Kumar RK (2011). "Examen clínico de detección de cardiopatías congénitas al nacer: un estudio prospectivo en un hospital comunitario de Kerala". Pediatría india . 48 (1): 25–30. doi :10.1007/s13312-011-0021-1. PMID  20972295. S2CID  10788521.
  3. ^ Zühlke, Z; Myer L; Mayosi BM (2012). "La promesa de la auscultación asistida por computadora en la detección de cardiopatías estructurales y la enseñanza clínica". Revista cardiovascular de África . 23 (7): 405–408. doi :10.5830/CVJA-2012-007. PMC 3721800 . PMID  22358127. 
  4. ^ Mandal, S; Basak K; Mandana KM; Ray AK; Chatterjee J; Mahadevappa M (2011). "Desarrollo de un dispositivo de preselección cardíaca para la población rural utilizando un sistema integrado de potencia ultrabaja". IEEE Transactions on Biomedical Engineering . 58 (3): 745–749. doi :10.1109/TBME.2010.2089457. PMID  21342805. S2CID  7771478.
  5. ^ Iwamoto, J; Ogawa H; Maki H; Yonezawa Y; Hahn AW; Caldwell WM (2011). "Un sistema de monitorización de ECG y sonido cardíaco basado en teléfono móvil". Instrumentación de Ciencias Biomédicas . 47 : 160–164. PMID  21525614.
  6. ^ Koekemoer, HL; Scheffer, C. (2008). "Dispositivos de registro de electrocardiogramas y sonidos cardíacos para entornos de telemedicina". 2008 30th Annual International Conference of the IEEE Engineering in Medicine and Biology Society . Vol. 2008. págs. 4867–4870. doi :10.1109/IEMBS.2008.4650304. ISBN 978-1-4244-1814-5. Número de identificación personal  19163807. Número de identificación personal  32681936.
  7. ^ abc "Inicio". eMURMUR .
  8. ^ "Cardioscan Zargis".
  9. ^ ab "Dispositivos médicos diaacústicos".
  10. ^ Becket Mahnke, C. (2009). "Análisis automatizado de los sonidos cardíacos/Auscultación asistida por ordenador: perspectiva de un cardiólogo y sugerencias para el desarrollo futuro". Conferencia internacional anual de 2009 de la IEEE Engineering in Medicine and Biology Society . Vol. 2009. págs. 3115–3118. doi :10.1109/IEMBS.2009.5332551. PMID  19963568. S2CID  630335. {{cite book}}: |journal=ignorado ( ayuda )
  11. ^ Alam, Uazman; Omar Asghar; Sohail Q Khan; Sajad Hayat; Rayaz A Malik (2010). "Auscultación cardíaca: una habilidad clínica esencial en declive". British Journal of Cardiology . 17 : 8–10.
  12. ^ Kumar, Komal; W. Reid Thompson (2012). "Evaluación de las habilidades de auscultación cardíaca en residentes de pediatría". Pediatría clínica . 52 (1): 66–73. doi :10.1177/0009922812466584. PMID  23185081. S2CID  29237618.
  13. ^ Vukanovic-Criley, JM; Criley S; Warde CM; Boker JR; Guevara-Matheus L; Churchill WH; Nelson WP; Criley JM (2006). "Competencia en habilidades de examen cardíaco en estudiantes de medicina, médicos en formación y profesores: un estudio multicéntrico". Archivos de Medicina Interna . 27 (6): 610–616. doi :10.1001/archinte.166.6.610. PMID  16567598.
  14. ^ ab McCrindle, BW; Shaffer KM; Kan JS; Zahka KG; Rowe SA; Kidd L (1995). "Factores que motivan la derivación para evaluación cardiológica de soplos cardíacos en niños". Archivos de Pediatría y Medicina del Adolescente . 149 (11): 1277–1279. doi :10.1001/archpedi.1995.02170240095018. PMID  7581765.
  15. ^ Germanakis, I; Petridou ET; Varlamis G; Matsoukis IL; Papadopoulou-Legbelou K.; Kalmanti M (2013). "Habilidades de los médicos de atención primaria en la auscultación cardíaca pediátrica". Acta Paediatrica . 102 (2): 74–78. doi : 10.1111/apa.12062 . PMID  23082851. S2CID  10518559.
  16. ^ Gaskin, PR; Owens SE; Talner NS; Sanders SP; Li JS (2000). "Habilidades de auscultación clínica en residentes pediátricos". Pediatría . 105 (6): 1184–1187. doi :10.1542/peds.105.6.1184. PMID  10835055. S2CID  14993738.
  17. ^ Caddell, AJ; Wong KK; Barker AP; Warren AE (2015). "Tendencias en las derivaciones, pruebas y satisfacción de cardiología pediátrica en un centro terciario canadiense". Revista canadiense de cardiología . 31 (1): 95–98. doi :10.1016/j.cjca.2014.10.028. PMID  25547558.
  18. ^ Wren, Christopher; Sam Richmond; Liam Donaldson (1999). "Presentación de cardiopatía congénita en la infancia: implicaciones para el examen de rutina". Arch Dis Child Fetal Neonatal Ed . 80 (1): F49–F53. doi :10.1136/fn.80.1.f49. PMC 1720871 . PMID  10325813. 
  19. ^ Bonow, Robert O.; Blase A. Carabello; Kanu Chatterjee; Antonio C. de Leon; David P. Faxon; Michael D. Freed; William H. Gaasch; Bruce Whitney Lytle; Rick A. Nishimura; Patrick T. O'Gara; Robert A. O'Rourke; Catherine M. Otto; Pravin M. Shah; Jack S. Shanewise (2006). "Directrices de la ACC/AHA 2006 para el tratamiento de pacientes con cardiopatía valvular". Circulation . 114 (5): 84–231. doi : 10.1161/CIRCULATIONAHA.106.176857 . PMID  16880336.
  20. ^ Bishop, Christopher (1995). Redes neuronales para el reconocimiento de patrones . Oxford University Press.
  21. ^ Pretorius, Eugene; Cronje, Matthys L.; Strydom, Otto (2010). "Desarrollo de un sistema de apoyo a la toma de decisiones de auscultación cardíaca pediátrica asistida por ordenador". Conferencia internacional anual de 2010 de la IEEE Engineering in Medicine and Biology . Vol. 2010. págs. 6078–6082. doi :10.1109/IEMBS.2010.5627633. ISBN . 978-1-4244-4123-5. Número de identificación personal  21097128. Número de identificación personal  27940646.