David Luengo, profesor de la Escuela de Ingeniería de Telecomunicación de la Universidad Politécnica de Madrid (UPM), es una de las "mentes brillantes" elegidas por la Fundación BBVA para dotar de financiación a su investigación. El suyo es uno de los 56 proyectos seleccionados entre los más de 1.600 que concurrían a la convocatoria. Luengo trabaja en el desarrollo de herramientas que ayuden a los cardiólogos a tratar mejor la fibrilación auricular (FA), la arritmia cardiaca más común.

En la fibrilación, una de las cámaras del corazón desarrolla múltiples circuitos de re-entrada, haciendo que los impulsos se vuelvan caóticos y las contracciones se vuelvan arrítmicas.

El proyecto, explica Luengo, consiste en la aplicación de técnicas avanzadas de procesado estadístico de señales y aprendizaje-máquina para el modelado de señales cardiacas. El objetivo principal es avanzar en la comprensión de los mecanismos que generan y sustentan la FA. El fin a medio plazo es proporcionar a los cardiólogos herramientas que permitan mejorar la tasa de éxito de las terapias actuales, basadas en fármacos, descargas eléctricas y/o ablación (destrucción) controlada de zonas problemáticas del corazón.

El problema que plantean estas terapias es su incapacidad para eliminar la fibrilación. Incluso cuando la eliminan, esta reaparece al cabo de un tiempo en un porcentaje alto de los casos.

El corazón funciona mediante una propagación coordinada de impulsos eléctricos a través de este órgano. Estos impulsos provocan la contracción/relajación de los músculos del corazón, causando el bombeo eficaz de sangre al resto del cuerpo. La teoría de análisis de circuitos y procesado de señales, explica Luengo, proporciona herramientas que permiten modelar los fenómenos que ocurren en el corazón.

En el proyecto se pretenden desarrollar modelos generativos, que aportarán mucha más información clínica que los modelos descriptivos considerados hasta la fecha.

El proyecto comenzó el 15 de diciembre y tiene una duración de 1 año. Durante el proyecto se trabajará con señales reales para desarrollar y validar los modelos. Sin embargo, la aplicación sistemática de los mismos no ocurrirá hasta transcurridos varios años, ya que requerirá su implementación en hardware específico que permita su ejecución casi en tiempo real y estudios randomizados para su aprobación clínica.


Más información