ANÁLISIS DE PARÁMETROS DE UN MODELO PARA LA COMPARACIÓN DE PATRONES DE ARRITMIAS CARDÍACAS

SOLANO, AGUSTIN ; HADAD, ALEJANDRO

Curitiba

Congreso; XX Jornadas de Jovens Pesquisadores; 2012

Asociación de Universidades Grupo Montevideo

En el presente trabajo se presenta un modelo para la búsqueda de patrones temporales secuenciales de arritmiascardíacas implementado en un prototipo software. Dicha búsqueda está orientada al soporte de tareas de monitoreo enámbitos clínicos a través de modelos de seguimiento temporal en unidades de cuidados críticos. En el proceso de diseñose abordaron diferentes dimensiones de análisis desde el punto de vista de la abstracción temporal. Para el desarrollo delos modelos de seguimiento se eligió como caso de referencia el monitoreo de las arritmias. Para el análisis desecuencias se construyó un modelo basado en el algoritmo de Smith-Waterman. El seguimiento con este modelo generóinformación adicional, potencialmente utilizable en el pronóstico de evolución en cuidados críticos. Con estasespecificaciones se desarrolló una aplicación de software que tiene como objetivo principal comparar y ponderarregistros de electrocardiograma (ECG), clasificados según diferentes tipos de latidos. La aplicación funciona comosoporte para la exploración y el análisis con fines diagnósticos de afecciones evidenciadas a partir de arritmiascardíacas, brindando indicios acerca de la evolución temporal entre registros similares. Se realizaron ensayos con elobjetivo de buscar un patrón de distribución para el conjunto de valores de la matriz de sustitución y así obtener unaadecuada representación de las penalidades y pesos a la hora de comparar los distintos tipos de latidos y eventos propiosdel ECG. Previo a dicha comparación se realizó una preselección en dos grupos (Agudos y No Agudos), a fin deestablecer un criterio de evaluación de los resultados para los patrones temporales más frecuentes de esta problemáticaDurante el proceso, para cada matriz de sustitución modelada, se seleccionó inicialmente un segmento representativoperteneciente al grupo de los registros Agudos. Luego se realizó la comparación contra toda la base de datos y se obtuvoen cada caso la tabla con los score de cada registro, ordenados de mayor a menor valor, siendo los de mayor score losregistros ?más parecidos? o en los que se encontró un segmento con mayor similitud al segmento seleccionado. Acontinuación se procedió a contar, siguiendo el orden de mayor a menor score, cuantos registros pertenecientes al grupode los Agudos aparecían entre los más parecidos, hasta que aparecían solo registros del otro grupo, momento en el quese consideró que la comparación ya no era satisfactoria. En caso de que con un mismo valor de score aparecieranregistros de los dos grupos, se seguían contando los del grupo evaluado, y el conteo sólo terminaba cuando en elsiguiente valor de score sólo aparecían registros del grupo no evaluado. Este procedimiento se llevó a cabo con cadauno de los 10 registros clasificados como Agudos y como resultado se obtuvo un valor entero producto del promedio delas cuentas realizadas. En caso de que el promedio fuera un número real, se tomó el entero menor. De la misma formase procedió con el grupo de los No Agudos y con cada una de las matrices de sustitución. Los resultados sugieren quepara el grupo de los registros No Agudos, la matriz que mejor reconoce los registros es aquella que solo resalta lascoincidencias (ponderación balanceada) sin ponderar las no coincidencias. En cambio, para el caso de los registrosAgudos, la matriz que mejor realiza el reconocimiento es la matriz que penaliza las no coincidencias y con ponderaciónbalanceada. Por otro lados se observó que el modelado desbalanceado es insuficiente y que amerita mejoresestimaciones de las penalidades debido a que el resaltar un latido patológico por sobre los demás va en detrimento delos otros tipos. En este sentido se trabajará en estimaciones más precisas de los parámetros de la matriz tomando comobase una comparación morfológica de los latidos mediante de técnicas de procesamiento de señales e inteligenciaartificial.