ASCOLTA I NOSTRI PODCAST SU SPOTIFY
Ricercatori hanno sviluppato un metodo di diagnosi della malattia a basso costo mediante la mappatura dei suoni cardiaci, che può essere fatto tremite una app sul telefono.
Nel Journal of Applied Physics, i ricercatori dell’Università del Kerala, in India, e dell’Università di Nova Gorica, in Slovenia, hanno sviluppato un metodo per identificare la disfunzione della valvola aortica utilizzando un’analisi accurata, semplice da usare e a basso costo.
La stenosi della valvola aortica si verifica quando la valvola aortica si restringe, diminuendo il flusso sanguigno dal cuore attraverso l’arteria e a tutto il corpo.
Nei casi più gravi, può portare a insufficienza cardiaca. Identificare la condizione può essere difficile in aree remote perché richiede una tecnologia sofisticata e le diagnosi nelle fasi iniziali sono difficili da ottenere.
“Molti centri sanitari rurali non hanno la tecnologia necessaria per analizzare malattie come questa”, ha detto l’autore MS Swapna, dell’Università di Nova Gorica e dell’Università del Kerala. “Per la nostra tecnica, abbiamo solo bisogno di uno stetoscopio e di un computer”.
Lo strumento diagnostico funziona in base ai suoni prodotti dal cuore. L’organo crea un rumore mentre chiude le valvole mitrale e tricuspide, si ferma quando si verifica il rilassamento ventricolare e il sangue si riempie, quindi emette un secondo rumore, mentre le valvole aortica e polmonare si chiudono.
Swapna e il suo team hanno utilizzato i dati del suono cardiaco, raccolti in 10 minuti, per creare un grafico di punti collegati. I dati sono stati suddivisi in sezioni e ogni parte è stata rappresentata con un nodo o un singolo punto sul grafico. Se il suono in quella parte dei dati era simile a un’altra sezione, veniva tracciata una linea o un bordo tra i due nodi.
In un cuore sano, il grafico mostrava due distinti gruppi di punti, con molti nodi non collegati. Al contrario, un cuore con stenosi aortica conteneva molte più correlazioni e bordi. “Nel caso della stenosi aortica, non c’è separazione tra i due segnali sonori”, ha detto Swapna.
I ricercatori hanno utilizzato l’apprendimento automatico per esaminare i grafici e identificare quelli con e senza malattia, raggiungendo un’accuratezza di classificazione del 100%.
Il loro metodo prende in considerazione la correlazione di ogni punto, rendendolo più accurato di altri che considerano solo la potenza del segnale, e lo fa in meno di 10 minuti. Come tale, potrebbe essere utile per le diagnosi in fase iniziale.
Finora, il metodo è stato testato solo con i dati, non in un ambiente clinico. Gli autori stanno sviluppando un’applicazione mobile a cui è possibile accedere in tutto il mondo. La loro tecnica potrebbe anche essere utilizzata per diagnosticare altre condizioni.
“Il metodo proposto può essere esteso a qualsiasi tipo di segnale sonoro cardiaco, segnali sonori polmonari o segnali sonori di tosse”, ha detto Swapna.
