Pablo Martinez-Legazpi

La ecocardiografía es la técnica de imagen más utilizada en medicina cardiovascular. A pesar de una extensa investigación durante décadas, la ecocardiografía no puede predecir con precisión variables hemodinámicas críticas como la presión pulmonar y las presiones capilares o el gasto cardíaco. Por lo tanto, el cateterismo del corazón derecho todavía se realiza de forma rutinaria para obtener estos índices. Tenemos la hipótesis de que un algoritmo de aprendizaje profundo diseñado y entrenado de manera adecuada mejorará la precisión de las estimaciones hemodinámicas derivadas de la ecografía. El principal objetivo de esta propuesta es sentar las bases de una red neuronal profunda que proporcione a los médicos estimadores no invasivos de datos hemodinámicos cardíacos, evitando al paciente el cateterismo cardiaco.

El objetivo general de este estudio fue implementar, validar y transferir a la práctica clínica nuevos métodos de posprocesamiento de datos de flujo de imágenes cardíacas, con el fin de ampliar la caracterización y comprensión de la fisiología cardíaca mientras se enfoca en su aplicación clínica. Estos métodos se basan en la medición y cuantificación de los campos de velocidad sanguínea dentro de los ventrículos izquierdos (VI) humanos sanos y enfermos, así como en los índices derivados de ellos.