Procesado Automático de Señales Cardiorrespiratorias para la Caracterización de Pacientes con COVID-19 Persistente

• Autores: Maria Fernandez Vaquerizo, Fernando Moreno Torrero, Gonzalo César Gutiérrez Tobal, T. Ruiz Albi, Roberto Hornero Sánchez, Félix del Campo Matías, Daniel Álvarez González
• Localización: CASEIB 2024. Libro de Actas del XLII Congreso Anual de la Sociedad Española de Ingeniería Biomédica, 2024, ISBN 978-84-09-67332-2, págs. 349-352
• Idioma: español
• Enlaces
  • Texto Completo Libro
• Resumen

  • El síndrome post-COVID o COVID persistente (SPC-CP) se define como la continuidad de los síntomas más allá de las 12 semanas posteriores a una infección por COVID-19, siendo actualmente uno de los mayores problemas relacionados con la enfermedad tras el fin de la pandemia. El objetivo del estudio fue doble: (i) identificar los índices autonómicos, oximétricos y de acoplamiento cardiorrespiratorio con mayor asociación con el SPC-CP, y (ii) diferenciar a pacientes con afectación autonómica potencialmente asociada a síntomas persistentes de otros sin SPC-CP. Se estudiaron tres grupos de pacientes (control no-COVID, COVID, SPC-CP), procesando individual y conjuntamente la variabilidad del ritmo cardiaco (HRV), oximetría y respiración derivada del ECG, empleando enfoques complementarios (tiempo vs. frecuencia y lineal vs. no lineal). Se implementó una etapa de selección de variables basada en algoritmos genéticos y se diseñó un clasificador multiclase mediante una red neuronal perceptrón multicapa (MLP). La población de estudio estuvo compuesta por 83 sujetos (25 control, 25 COVID, 33 SPC-CP), siendo la presencia de comorbilidad respiratoria, potencia a altas frecuencias en la señal HRV, magnitud de la coherencia espectral del acoplamiento y puntuación del COPD Assessment Test (CAT) de calidad de vida las variables con mayor capacidad discriminante. La red MLP alcanzó un 75% de precisión, 0.621 kappa y 76.52% de macro F1-score en la identificación de las tres clases de pacientes, así como 90% de precisión (87.50% sensibilidad y 91.67% especificidad) en la discriminación de SPC-CP. Estos hallazgos sugieren que el análisis automático de la actividad cardiorrespiratoria podría aportar información útil en la caracterización y manejo de pacientes con SPC-CP.