La herramienta de IA MySteth detecta soplos cardíacos en casa mediante smartphone y estetoscopio
Un nuevo sistema de IA alcanza un 92% de precisión en la detección de soplos cardíacos utilizando únicamente un teléfono inteligente o un estetoscopio digital para el cribado cardíaco domiciliario.
Resumen
Investigadores desarrollaron MySteth, una herramienta basada en inteligencia artificial que utiliza teléfonos inteligentes o estetoscopios digitales para detectar soplos cardíacos en el hogar. El sistema alcanzó un 92% de precisión para distinguir latidos normales de soplos y un 91% de precisión para clasificar los tipos de soplos. Mediante el uso de aprendizaje profundo y tecnología ampliamente disponible, MySteth podría facilitar la detección temprana de afecciones cardíacas en comunidades con acceso limitado a recursos, donde el equipamiento especializado no está disponible, con el potencial de mejorar los resultados de salud cardiovascular a través de un monitoreo domiciliario accesible.
Resumen detallado
Las enfermedades cardiovasculares matan a 17,9 millones de personas anualmente, lo que hace que la detección temprana sea crucial para su prevención. Sin embargo, muchas personas carecen de acceso a evaluaciones cardíacas regulares, especialmente en zonas rurales y comunidades con recursos limitados. Un equipo de investigadores ha desarrollado MySteth, una innovadora herramienta de diagnóstico impulsada por inteligencia artificial que permite monitorizar el corazón desde casa utilizando únicamente un smartphone o un estetoscopio digital.
El equipo de investigación entrenó un modelo de aprendizaje profundo híbrido CNN-LSTM con 10.000 grabaciones de sonidos cardíacos, todas meticulosamente anotadas por cardiólogos especializados. El sistema procesa grabaciones de audio para distinguir entre sonidos cardíacos normales y diversos tipos de soplos —sonidos anómalos que pueden indicar disfunción valvular u otros problemas cardíacos—. MySteth va más allá de la simple detección: clasifica los soplos en categorías sistólicas y diastólicas, y subdivide a su vez los soplos sistólicos en soplos sistólicos de eyección (ESM) y soplos pansistólicos (PSM).
Los resultados demuestran una precisión clínica notable: 92% para detectar soplos frente a latidos normales, 91% para clasificar el momento del soplo en el ciclo cardíaco y 90% para distinguir entre los tipos ESM y PSM. Este nivel de precisión rivaliza con los métodos de evaluación clínica tradicionales, exigiendo únicamente equipos que la mayoría de las personas ya poseen o pueden obtener fácilmente.
Las implicaciones para la salud global son significativas. MySteth podría permitir la detección temprana de afecciones como la regurgitación mitral, la estenosis aórtica y otras enfermedades valvulares antes de que avancen hasta requerir intervenciones invasivas como la cirugía de revascularización coronaria. La accesibilidad de la herramienta la hace especialmente valiosa para la monitorización remota y el cribado en zonas con infraestructura sanitaria limitada, con el potencial de reducir la carga mundial de enfermedades cardiovasculares no diagnosticadas.
Hallazgos clave
- MySteth achieved 92% accuracy in detecting heart murmurs using smartphone recordings
- System classified murmur types with 91% accuracy for systolic vs diastolic categories
- Tool distinguished between ejection systolic and pansystolic murmurs with 90% precision
- Deep learning model processed 10,000 cardiologist-annotated heart sound recordings
- Technology requires only smartphone or digital stethoscope for home cardiac screening
Metodología
Los investigadores utilizaron una red neuronal híbrida CNN-LSTM entrenada con 10.000 grabaciones de sonidos cardíacos provenientes de teléfonos inteligentes y estetoscopios digitales. Todas las muestras de audio fueron anotadas por cardiólogos especializados y procesadas mediante Codificación Predictiva Lineal para la extracción de características.
Limitaciones del estudio
El estudio utilizó un conjunto de datos inicial relativamente pequeño que requirió aumentación sintética. La validación clínica en poblaciones diversas y la comparación con métodos diagnósticos tradicionales fortalecerían la base de evidencia para su implementación en el mundo real.
¿Te ha gustado este resumen?
Recibe la última investigación sobre longevidad en tu bandeja de entrada cada semana.
Introduce tu correo electrónico para suscribirte: