Inteligencia Artificial para la caracerización hemodinámica no invasiva. AI4NHEM

Resumen del proyecto

La ecocardiografía es la técnica de imagen más utilizada en medicina cardiovascular aunque todavía tiene importantes limitaciones para estimar con precisión variables hemodinámicas críticas como la media pulmonar, las presiones capilares o el gasto cardíaco. Así, para obtener estas medidas, es necesario realizar un cateterismo derecho. Nuestra hipótesis es que un algoritmo de inteligencia artificial (deep learning) adecuadamente diseñado y entrenado mejorará la obtención no invasiva de dichos índices. Nuestro principal objetivo es sentar las bases de una red neuronal que proporcione estimadores no-invasivos fiables de las medidas de la hemodinámica cardiaca. Específicamente: 1) obtendremos un registro retrospectivo multicéntrico (10 centros, 3,000 estudios) de datos de ultrasonido y cateterismo derecho cuasi-simultáneos, 2) diseñaremos una red neuronal para tratar datos mixtos tanto de medidas como de señales ecocardiográficas, 3) entrenaremos esta red neuronal combinando datos clínicos con datos de simulación mediante estrategias de aumento de datos, y 4) validaremos dicho algoritmo en un estudio multicéntrico prospectivo con datos de cateterismo y ultrasonido simultáneos (n= 1,000). Por último, compararemos el valor pronostico de los índices hemodinámicos invasivos y no invasivos en el seguimiento de los pacientes de la cohorte retrospectiva. Este proyecto proporcionará un método eficaz para ampliar la información diagnóstica y pronóstica de la ecocardiografía en pacientes cardiópatas.

Palabras clave

Doppler Ecocardiografía
Hemodinámica
Inteligencia Artificial
Presión de llenado
Flujo Transmitral

Convocatoria

Acción Estratégica en Salud (AES)

Periodo de ejecución

01/01/2021 - 31/12/2023

Investigador Principal

PABLO MARTINEZ-LEGAZPI AGUILO

Centro beneficiario

FUNDACION INVESTIGACION BIOMEDICA HOSPITAL GREGORIO MARAÑON

Centro de realización

INSTITUTO DE INVESTIGACION SANITARIA GREGORIO MARAÑON (IiSGM)

Comunidad Autónoma

MADRID

Provincia

MADRID

Financiación

123,420 €