SISTEMA A BASE DE REGRAS PARA A DETECÇÃO DE EPISÓDIOS ISQUÊMICOS

Transcrição

1 SISTEMA A BASE DE REGRAS PARA A DETECÇÃO DE EPISÓDIOS ISQUÊMICOS GABRIEL T. ZAGO, BRUNO N. AMIGO, RODRIGO V. ANDREÃO Coordenadoria de Eletrotécnica, Instituto Federal do Espírito Santo Av. Vitória, 1729 Jucutuquara, Vitória-ES, CEP s: gabrieltozattozago@gmail.com, brunonevesamigo@terra.com.br, rodrigova@ifes.edu.br Abstract This work presents an intelligent system for the detection of ischemic episodes from ambulatory electrocardiogram records. The system implements two main stages: a beat detection stage and an ischemic episode detection stage. The originality of the ischemic detection stage is in its conception to work independently of the beat detection stage. The system was assessed through the European ST-T Database, which is the gold standard to evaluation ischemic algorithms. The results obtained validate the proposed algorithm, whose performance is comparable to the state of the art. The algorithm is characterized by its simplicity and robustness, since it doesn t require a noise beat removal stage. Keywords Electrocardiogram; Ischemia detection. Resumo Este trabalho apresenta um sistema inteligente voltado para a detecção de episódios de isquemia do coração a partir da análise automática do sinal de eletrocardiograma ambulatorial. O sistema implementa dois estágios principais: estágio de detecção do batimento cardíaco e estágio de detecção de episódios isquêmicos. A originalidade do estágio de detecção de isquemia está na sua concepção de operar independentemente do estágio de detecção do batimento. O sistema foi avaliado com o auxílio da base de registros de ECG ambulatorial European ST-T. Os resultados obtidos validam o sistema proposto, o qual atingiu resultados comparáveis ao estado da arte no assunto. O algoritmo se destaca por sua simplicidade e robutez, visto que ele não requer uma estratégia de remoção de batimentos ruidosos. Palavras-chave Eletrocardiograma; Detection de isquemia. 1 Introdução As doenças cardiovasculares são uma das principais causas de morte no Brasil. Entre as doenças conhecidas, a isquemia do miocardio merece atenção especial. Trata-se de um acometimento que pode ou não ser seguido de dor toraxica, e cuja manifestação requer normalmente um atendimento rápido. Isto porque a principal consequência da isquemia é o infarto, que consiste na morte de parte do músculo cardíaco com consequente perda de funcionalidade. Os minutos que decorrem do início da isquemia são fundamentais pois um tratamento adequado pode minimizar as consquências da mesma e salvar a vida da pessoa. A ocorrência de um espisódio de isquemia do coração pode ser observada a partir do registro da atividade elétrica do coração, normalmente obtido com o auxílio de um eletrocardiógrafo (ECG). Por se tratar de uma alteração no padrão da atividade elétrica do coração ao longo do tempo, a identificação da isquemia requer longos registros, que são normalmente realizados durante o teste de esforço, através do aparelho portátil Holter, responsável pelo registro ambulatorial do ECG ou ainda a partir da monitorização do paciente internado no hospital ou sendo removido por uma ambulância. Neste contexto, este trabalho propõe um sistema inteligente capaz de analisar automaticamente o sinal elétrico do coração a fim de identificar a ocorrência de episódios isquêmicos. A identificação automática auxilia o trabalho do médico cardiologista pois podese sinalizar ao mesmo a ocorrência da isquemia de maneira imediata, agilizando o tratamento e aumentando a sua eficácia. As abordagens apresentadas na literatura para resolver esse problema possuem algumas características em comum (Taddei 1995),(Vila 1997),(Jagger 1998),(Andreão 2004): a) identificação automática de cada batimento cardíaco; b) supressão de batimentos anormais e sob influência do ruído; c) cálculo automático da amplitude do segmento ST de cada batimento. Por outro lado, a forma como as informações acima são obtidas depende da tecnologia implementada. Em (Andreão 2008), foi apresentada uma abordagem original de deteção de espisódios isquêmicos, baseado no uso combinado de modelos ocultos de Markov (HMM) e modelo a base de regras heurísticas. O presente trabalho é uma continuidade do que foi feito em (Andreão 2008), diferindo particularmente na estratégia de detecção do batimento cardíaco e da obtenção automática da amplitude do segmento ST. Dessa forma, a originalidade desse trabalho é a proposição de um sistema a base de regras para deteção de episódios isquêmicos baseado apenas no resultado da detecção do batimento cardíaco, ou seja, a abordagem proposta funciona independentemente do algoritmo usado para detecção do batimen-

2 Figura 1. Ilustração de um batimento cardíaco normal observado em um eletrocardiograma. to. Para a avaliação do desempenho, utilizou-se a base de dados Européia ST-T, que é o padrão para avaliação de algoritmos de detecção de isquemia. Os resultados obtidos são comparados com outros trabalhos considerados o estado da arte em deteção de espisódios isquêmicos. Este trabalho está organizado da seguinte forma: seção 2 descreve o problema da deteção dos episódios isquêmicos; seção 3 apresenta o sistema inteligente de detecção de isquêmia; a seção 4 apresenta os experimentos, seguida da conclusão e perspectivas de trabalhos futuros. 2 O problema da Detecção de Episódios Isquêmicos 2.1 O Eletrocardiograma O eletrocardiograma é o registro dos fenômenos elétricos que se originam no decorrer da atividade cardíaca. O eletrocardiograma possibilita a avaliação de atividade elétrica do músculo cardíaco a partir de alterações na forma e no ritmo em relação ao padrão normal. Normalmente o ECG é composto por três ondas periódicas (ver Figura 1): Onda P, Complexo QRS e Onda T. As ondas são separadas por segmentos, denominados segmento PQ e segmento ST. 2.2 O Segmento ST e a Análise da Isquemia Um episódio isquêmico pode ser detectado analisando-se o segmento ST. A grandeza utilizada nessa análise é a amplitude da região ST. Sabendo-se que o sinal sofre normalmente um deslocamento de sua linha de base, faz-se a comparação desse segmento com o segmento PQ. Desta forma, obtêm-se uma medida mais estável da amplitude de ST. O grande problema na análise de isquemia é a contaminação do sinal por ruído, visto que a amplitude da região ST é pequena, portanto, a análise de episódios isquêmicos é bastante sensível ao ruído. Figura 2. Diagrama blocos do sistema de detecção de episódios isquêmicos. 2.3 O ruído no ECG Ambulatorial Um grande problema na análise de ECGs é o ruído contido no sinal. O ruído pode dificultar a interpretação correta do sinal seja escondendo anomalias presentes seja indicando anomalias não existentes. Os ruídos, também chamados de artefatos, mais comumente encontrados num ECG são (Rangayyan 2002): - Interferência da alimentação: o ruído causado pela alimentação (50 ou 60 Hz dependendo do sistema utilizado no país) é um ruído simples de ser retirado, visto que sua frequência fundamental está em um faixa que não leva informação significativa do ECG. - Mudança na linha de base: este ruído pode ter origem no movimento do paciente, na mudança de impedância entre o sensor e a pele ou causado pela respiração do paciente. Possui um conteúdo espectral de baixa frequência (menor do que 0,8Hz), e normalmente interfere com as variações lentas do sinal, o que é o caso do segmento ST. - Eletromiograma: causado pela contração muscular, este artefato possui normalmente o mesmo conteúdo espectral do batimento cardíaco. - Ruídos causados por equipamentos eletrônicos: estes ruídos podem ser de diferentes formas e ter diferentes frequências, visto que podem provir de diferentes equipamentos eletrônicos. 3 Sistema Automático de Detecção de Isquemia 3.1 Detecção do Batimento Cardíaco O algoritmo de análise de isquemia pressupõe a localização do batimento cardíaco ao longo do sinal de ECG (Figura 2). Normalmente, considera-se o complexo QRS como referência para a localização do batimento cardíaco. O algoritmo que realiza a detecção do batimento é baseado no trabalho desenvolvido por (Hamilton 2002). Tal algoritmo é resultado da combinação de estágios de filtragem do sinal com regras heurísticas para identificar o complexo QRS. A Figura 3 representa o diagrama de blocos do algoritmo de detecção do complexo QRS

3 Sinal ECG Filtro Passa-banda (8-16Hz) Filtro derivada Média móvel (80ms) Regras de detecção Figura 3. Diagrama blocos do algoritmo de detecção do complexo QRS. O filtro passa-faixa é um filtro devidamente construído para eliminar as freqüências que não compõem o complexo QRS. O segundo estágio diz respeito a um filtro usado para atenuar mudanças lentas no sinal, reforçando assim as componentes de mais alta frequência, as quais estão normalmente presentes no complexo QRS. O terceiro estágio consiste no cálculo da média móvel, a qual busca construir uma envoltória do sinal processado, facilitando a localização do QRS. A detecção do pico do complexo QRS acontece logo em seguida aos estágios de filtragem. Um pico detectado define um batimento. O algoritmo de detecção considera um pico os pontos de máximo do sinal processado que superam em 30% o valor médio dos últimos picos detectados. Um novo pico é definido somente após a amplitude do sinal processado cair abaixo da metade da altura do último valor máximo detectado. Esta abordagem elimina múltiplas detecções de picos na vizinhança. A estratégia de detecção é composta por cinco regras básicas, garantindo a eliminação de muitos falsos positivos nas detecções de pico, são elas: i. Eliminação de todos os picos distantes até 150 ms de um grande pico; ii. Quando ocorrer a detecção de um pico, verificar as condições do sinal ECG, caso o sinal não conter declives positivos e negativos o pico deve ser eliminado; iii. Qualquer pico que ocorra no intervalo de 360ms e tenha amplitude menor que a metade do ultimo pico detectado é considerado uma onda T; iv. Se o pico é maior que um determinado limiar, considera-se o pico um QRS; v. Se um pico não ocorrer em 1,5 R-R (R-R é media do tempo do intervalo entre duas ondas R consecutivas, considerando as últimas oito ondas R detectadas) o limiar (calculado dês dos últimos oito QRS detectados) deve ser reduzido pela metade. Assim, o pico que estiver acima do limiar deve ser considerado QRS. 3.2 Cálculo da Amplitude do Segmento ST Para realizar a análise de episódios isquêmicos, utiliza-se o desvio de amplitude entre o segmento ST e o segmento PQ (Andreão 2008). A amplitude do segmento PQ é obtida a partir da média de 5 valores em torno de 60 ms antes de cada pico detectado. De forma semelhante, a amplitude do segmento ST é calculada a partir da média de 5 valores ao redor do ponto localizado a 120 ms após o pico detectado. Portanto, para cada batimento, tem-se a amplitude dos segmentos PQ e ST, conforme ilustra a Figura 4. A partir da diferença entre essas amplitudes, tem-se um vetor com os desvios de ST para cada batimento do ECG. 3.3 Processamento das Amplitudes do Segmento ST A série de desvios de ST obtida a partir do procedimento descrito anteriormente ainda não está pronta para a análise da ocorrência de episódios isquêmicos. Figura 4. Obtenção do desvio do segmento ST a partir de cada batimento detectado.

4 De fato, o cálculo do desvio de ST é normalmente influenciado pelo do ruído. Até o mesmo o emprego de um estágio de eliminação de batimentos ruidosos e filtragem do sinal não são suficientes (Taddei 1995),(Vila 1997),(Jagger 1998),(Andreão 2008). Desta forma, alguns estágios de pósprocessamento da série de desvios de ST são implementados: - Filtro mediana: filtragem mediana de comprimento 3 é aplicado sobre a série de forma a reduzir o efeito do ruído impulsivo; - Média móvel: aplicação de filtragem através do cáculo da média móvel considerndo uma constante de tempo de 20 s. A partir da série filtrada, passa-se então para o sistema a base de regras reponsável pela classificação dos episódios. Considerando um registro de ECG ambulatorial composto de dois canais, é necessário combinar a contribuição de cada canal na decisão como se segue (Andreão 2008): ST 2 [ n] ( ST [ n] REF ) + ( ST [ n] REF ) 2 = (1) onde ST[ n] ST C1 [ n] e [ n] C1 C1 C2 C2 é o desvio de ST depois da fusão, ST C2 correspondem ao desvio de ST do canal 1 e 2 respectivamente. As variáveis REF C1 e REFC 2 são a referência sobre o qual o desvio é avaliado. Estas variáveis são atualizadas ao longo da série de desvio de forma a levar em conta as flutuações da referência (Andreao 2008). A lógica de detecção dos episódios isquêmicos consiste em buscar ao longo do vetor ST [ n] trechos onde o valor do desvio de ST é maior que 0,1 mv e cuja duração supera 30 s (Taddei 1990). Além disso, deve haver um intervalo de menos 120 s entre episódios consecutivos para considerá-los distintos (Andreao 2008). A Figura 5 ilustra o resultado do algoritmo detecção de episódios isquêmicos sobre o vetor ST n. [ ] 4 Experimentos O algoritmo proposto foi avaliado em um subconjunto de 48 registros da base de dados ST-T European Database (Taddei 1990). Cada registro da base tem Figura 5. Gráfico do desvio do segmento ST obtido de um registro de ECG. Os episódios isquêmicos detectados estão sendo identificados pela onda quadrada sobreposta ao gráfico do desvio de ST. Tabela 1. Desempenho do algoritmo de detecção de episódios isquêmicos considerando intervalo de confiança de 95%. Algoritmo Se (%) PP (%) Este trabalho 80±7 73 (Andreão 2004) 78±7 79 (Taddei 1995) 81±5 76 (Vila 1997) 81±6 68 (Jagger 1998) 85±4 86 duração de 2 h e é composto de dois canais de ECG amostrados em 250 Hz. Todos os registros possuem anotações quanto à ocorrência de episódios isquêmicos devido ao desvio do segmento ST, totalizando 120 episódios (Andreão 2008). Para a avaliação do desempenho, dois critérios são empregados: sensibilidade e valor preditivo positivo. A sensibilidade (Se) está relacionada à fração de eventos verdadeiros detectados, ou seja, VP Se = (2) VP + FN onde VP (verdadeiro positivo) é o número de episódios detectados e que coincidem com os anotados na base e FN (falso positivo) é o número de episódios não detectados mas que estão anotados na base. O valor preditivo positivo (PP) retorna a probabilidade de um evento detectado ser verdadeiro, ou seja, VP PP = (3) VP + FP onde FP (falso positivo) é o número de eventos detectados pelo algoritmo e que não estão anotados na base. O critério usado para a comparação dos episódios detectados automaticamente com aqueles anotados pela especialista segue o seguinte protocolo (Jagger 1991): os episódios correspondem um com outro quando há uma sobreposição temporal entre ambas as anotações de pelo menos 50% do comprimento do episódio anotado pelo cardiologista ou quando a sobreposição temporal inclui o ponto onde o desvio de ST atinge valor máximo para aquele episódio. Os resultados são apresentados na Tabela 1 na forma desempenho global sobre todos os registros, e o intervalo de confiança considerado é de 95%. Os resultados são comparados com os trabalhos de (Taddei 1995), (Vila 1997), (Jagger 1998) e (Andreão 2004). Vale ressaltar que tanto este trabalho quanto (Andreão 2004) buscaram seguir as regras de detecção de episódios sugeridas na base ST-T. Por outro lado, o trabalho de (Taddei 1995) empregou dois limiares para identificação dos episódios, (Vila 1997) aplicou lógica fuzzy no lugar de limiar simples, e (Jagger 1998) implementou um conjunto complexo de regras e limiares de decisão.

5 Diferentemente dos trabalhos citados, neste trabalho não foi empregada estratégia de eliminação de batimentos ruidosos, o que pode ter influenciado negativamente no valor de PP(%). De uma maneira geral, os resultados alcançados estão próximos dos obtidos por aqueles considerados o estado da arte na base Européia ST-T. Vale destacar que o estágio de detecção dos episódios isquêmicos do sistema proposto requer somente a informação referente ao ponto de máximo do complexo QRS. Desta forma, não é necessário fazer a segmentação do batimento cardíaco em suas ondas elementares e intervalos, reduzindo significativamente a complexidade do algoritmo. 5 Conclusão Este trabalho apresentou uma abordagem para a detecção de episódios isquêmicos que pode ser facilmente combinada a qualquer algoritmo de detecção de batimentos cardíaco. A abordagem da proposta foi validada a partir da base Européia ST-T, considerada o padrão ouro na avaliação de algoritmos de detecção de isquemia. Uma particularidade do algoritmo implementado está na sua simplicidade e na ausência de uma estratégia de remoção de batimentos ruidosos. Na verdade, a estratégia de detecção de isquemia possui alguns estágios de processamento que reduzem o impacto da instabilidade das medidas de desvio de ST. Como trabalho futuro, deseja-se avaliar a influência do ruído de linha de base no desempenho do algoritmo de detecção de isquemia visto que o mesmo influencia diretamente o cálculo do desvio de ST Para isso, uma estratégia de filtragem do sinal ECG será implementada e o resultado comparado com o obtido neste trabalho. ischemic ST segment changes, in Computers in Cardiology, Venice, Italy, pp Jager, F., Mark, R.G. e Moody, G.B. (1998). Analysis of Transient ST Segment Changes During Ambulatory Monitoring, Comput Biomed. Res., 31(5): Rangayyan, R. M. (2002). Biomedical Signal Analysis A Case-Study Approach, IEEE Press Series in Biomedical Engineering Taddei, A., Biagini, A., et al. (1990). The European ST-T database : development, distribution, and use, in Computers in Cardiology, Chicago, IL, EUA, pp Taddei, A., Constantino, G., et al. (1995). A system for the detection of ischemic episodes in ambulatory ECG, in Computers in Cardiology, Viena, Austria, pp Vila, J., Presedo, J., et al. (1997). SUTIL: intelligent ischemia monitoring system, Int J Med Inf, 47(3): Agradecimentos Os autores agradecem ao CNPq pelo financiamento das bolsas de iniciação científica. Referências Bibliográficas Andreão, R.V. (2004). Segmentation des Batements ECG par approche markovienne: Application à la détection d ischémies, Tese de Doutorado, INT, Evry, França. Andreão, R.V., Muller, S. M. T., et al. (2008). Incremental HMM trainning applied to ECG signal analysis, Computers in Biology and Medicine, 38(6): Hamilton, P. (2002). Open Source ECG Analysis, in Computers in Cardiology, 29: Jager F., Moody G.B. et al. (1991), Performance measures for algorithms to detect transient