Desarrollo de una herramienta de ayuda al diagnostico de patologías cardiacas a partir de un análisis multiparamétrico de biomarcadores obtenidos en imágenes de resonancia magnética cardiaca

Abstract

[ES] La miocardiopatía hipertrófica (MCH) es una enfermedad cardiovascular que requiere diagnósticos precisos y avanzados. Esta patología se caracteriza por un engrosamiento anormal del músculo cardíaco, lo que puede afectar la función cardíaca y aumentar el riesgo de arritmias y muerte súbita. Las técnicas de imagen, como la ecocardiografía y la resonancia magnética (RM), son esenciales para la evaluación y el diagnóstico de la MCH. Sin embargo, la interpretación de estas imágenes puede ser compleja y subjetiva. El objetivo de este Trabajo Fin de Grado es desarrollar y evaluar una herramienta de ayuda al diagnóstico a partir de una red neuronal en Python para la detección y análisis de MCH utilizando datos obtenidos de imágenes de resonancia magnética. Para ello se utilizarán datos de 60 pacientes distintos, separados en dos grupos: diagnosticados en MCH y controles, con la finalidad entrenar y validar el modelo. El procesamiento de los datos y el entrenamiento del modelo se realizarán en Python, utilizando bibliotecas especializadas como TensorFlow y Keras. Para ello, se llevará a cabo un análisis estadístico para evaluar la precisión y la sensibilidad del modelo en comparación con los diagnósticos realizados por especialistas en cardiología y así, poder realizar predicciones sobre la patología. El propósito de este análisis es mejorar la precisión y la rapidez en el diagnóstico de la miocardiopatía hipertrófica, proporcionando una herramienta complementaria que pueda asistir a los cardiólogos en la toma de decisiones clínicas.

[EN] Hypertrophic cardiomyopathy (HCM) is a cardiovascular disease that requires accurate and advanced diagnostics. This condition is characterised by abnormal thickening of the heart muscle, which can affect cardiac function and increase the risk of arrhythmias and sudden death. Imaging techniques, such as echocardiography and magnetic resonance imaging (MRI), are essential for the evaluation and diagnosis of HCM. However, interpretation of these images can be complex and subjective. The aim of this Final Degree Project is to develop and evaluate a diagnostic aid tool based on a neural network in Python for the detection and analysis of HCM using data obtained from magnetic resonance images. To this purpose, data from 60 different patients will be used, separated into two groups: diagnosed HCM and controls, in order to train and validate the model. Data processing and model training will be performed in Python, using specialised libraries such as TensorFlow and Keras. Statistical analysis will be carried out to assess the accuracy and sensitivity of the model in comparison with diagnoses made by cardiology specialists and thus, to be able to make predictions about the pathology. The purpose of this analysis is to improve the accuracy and speed of diagnosis of hypertrophic cardiomyopathy by providing a complementary tool that can assist cardiologists in clinical decision-making.

[CA] L'objectiu principal d'aquest Treball de Fi de Grau va ser desenvolupar i avaluar una eina d'ajuda al diagnòstic basada en una xarxa neuronal en Python per a la detecció i anàlisi de MCH utilitzant dades obtingudes d'imatges de ressonància magnètica. Aquest projecte s'emmarca en la necessitat de millorar la precisió i rapidesa en el diagnòstic de la MCH, proporcionant una eina complementària que assistisca els cardiòlegs en la presa de decisions clíniques.