Investigadores de la UMA, en colaboración con el Hospital Universitario Virgen de la Victoria, han recopilado este conjunto de datos denominado CADICA
Con el foco puesto en la búsqueda de un diagnóstico más precoz, eficiente y personalizado de la enfermedad arterial coronaria, un grupo de investigadores del Departamento de Lenguajes y Ciencias de la Computación (LCC) de la UMA, junto con el Hospital Universitario Virgen de la Victoria, dentro del CIBER de Enfermedades Cardiovasculares (CIBERCV), ha recopilado más de 6.000 imágenes que servirán de apoyo al personal clínico y a la comunidad científica.
“La enfermedad cardiovascular es la primera causa de defunción en el mundo, por lo que resulta imprescindible continuar la investigación para la mejora del proceso diagnóstico y su exactitud”, apunta Ariadna Jiménez Partinen (investigadora del LCC), una de las autoras del estudio. En concreto, la investigación se centra en las angiografías coronarias invasivas o coronariografías, una exploración mediante rayos X donde se observan las arterias que irrigan al corazón y calificada como “invasiva” debido a la introducción de un catéter por el cual se perfunde el radiocontraste necesario. A través de esta prueba se obtienen vídeos en tiempo real donde se visualizan las arterias del miocardio, de forma que el especialista puede valorar en qué estado se encuentran.
El trabajo de investigación, emprendido por los miembros del Instituto de Tecnología e Ingeniería del Software (ITIS) y del Instituto de Investigación Biomédica de Málaga (IBIMA), se ha llevado a cabo mediante técnicas computaciones y análisis de imágenes, abordando cuestiones que se plantea el personal de cardiología en el entorno clínico, como “la evaluación de las lesiones no obstructivas o la mejora de la variabilidad diagnóstica”, señala Manuel Jiménez Navarro (Dpto. de Medicina y Dermatología y jefe de grupo del nodo CIBERCV de Málaga).
La accesibilidad de los datos
La investigación destaca que los estudios y aplicaciones relacionadas con las angiografías coronarias invasivas se encuentran todavía en una fase temprana, debido, principalmente, a la dificultad en el acceso a los datos, ya que los trabajos presentados hasta el momento se basan en conjuntos de datos privados, como consecuencia de su sensibilidad y de la complejidad de recopilación y procesamiento.
Por ello, CADICA se presenta como un conjunto de datos de acceso público capaz de proporcionar a la comunidad investigadora un recurso completo, riguroso, etiquetado y debidamente detallado: “Se reportan todas las imágenes recopiladas y los metadatos asociados para que sea lo más cercano posible a la realidad del entorno clínico. Los datos reportados proceden del Hospital Universitario Virgen de la Victoria (Málaga), y se espera que se sigan ampliando mediante la incorporación de nuevos casos aportados por este centro colaborador y por otros centros”, expone Jorge Rodríguez Capitán (CIBERCV), otro de los investigadores del estudio.
Utilidades de CADICA
CADICA parte del Proyecto FEDER de la Junta de Andalucía titulado “Detección, caracterización y valor pronóstico de la enfermedad coronaria no obstructiva mediante aprendizaje profundo” liderado por Esteban Palomo Ferrer (LCC) y el proyecto de Jóvenes Investigadores de la Universidad de Málaga titulado "Detección de estenosis coronaria mediante aprendizaje profundo aplicado a coronariografías" liderado por Miguel A. Molina Cabello (LCC). Además, esta investigación fue galardonada con el III Premio Unicaja de Innovación en Biomedicina y Salud, otorgado a Palomo Ferrer y Ana I. Molina Ramos (CIBERCV). El conjunto de datos se encuentra depositado en un repositorio público y cuenta con más de 6.000 imágenes de angiografías coronarias invasivas etiquetadas según el grado de estrechamiento.
CADICA puede usarse por el personal especialista, para entrenar sus habilidades en la evaluación de la enfermedad, así como por la comunidad científica, para crear sistemas de diagnóstico asistidos por ordenadores mediante el uso de Inteligencia Artificial o como método de validación externa. Además, se proponen y analizan métodos de clasificación de referencia: “Validamos la funcionalidad de CADICA con métodos basados en las Redes Neuronales Convolucionales (CNNs), dando a la comunidad científica un punto de partida para mejorar la detección de la enfermedad arterial coronaria”, manifiesta Karl Thurnhofer Hemsi (LCC).
Los resultados obtenidos en este estudio, según el investigador Molina Cabello, “son prometedores, verificando la funcionalidad del conjunto de datos y asentando los requisitos necesarios para enfocar futuros ensayos, con el objetivo de desarrollar de un sistema capaz de clasificar automáticamente las lesiones presentes en las angiografías coronarias invasivas y poder abordar cuestiones más complejas que den soporte al personal clínico”, concluye.
Referencia bibliográfica:
Jiménez-Partinen, A., Molina-Cabello, M. A., Thurnhofer-Hemsi, K., Palomo, E. J., Rodríguez-Capitán, J., Molina-Ramos, A. I., & Jiménez-Navarro, M. (2024). CADICA: A new dataset for coronary artery disease detection by using invasive coronary angiography. Expert Systems, e13708.