Doenças cardiovasculares constituem um dos maiores problemas que afligem a

Transcrição

1 18 1 INTRODUÇÃO Doenças cardiovasculares constituem um dos maiores problemas que afligem a população dos países industrializados. Essas doenças são responsáveis por mais de cinco milhões de pessoas hospitalizadas a cada ano, com mais de um milhão de óbitos, sendo que o custo em termos de sofrimento humano é incalculável. Felizmente, diagnósticos, tratamentos e programas de prevenção estão sendo realizados atualmente com periodicidade cada vez maior, diminuindo esse problema e amenizando os custos envolvidos (Braunwald, 2000). A análise automática de sinais eletrocardiográficos é um assunto muito discutido há décadas, principalmente pela importância de se realizar tais exames. As famílias mais carentes muitas vezes ficam privadas desse tipo de exame pelo alto custo dos equipamentos envolvidos ou mesmo pelas longas horas de espera. Dessa forma, é evidente a importância de desenvolvimento de equipamentos de baixo custo, como o projeto SABIO da PUC-Rio (descrito na seção 1.2), que possui um hardware para aquisição de sinais de ECG, que são digitalizados para um microcomputador pessoal (ou portátil), no qual os sinais são analisados. A proposta dessa dissertação é desenvolver um sistema inteligente de análise automática, utilizando a inteligência computacional auxiliada por outras técnicas, que possa ser incorporado ao sistema SABIO, de modo a realizar uma triagem inicial de pacientes, indicando a existência ou não de alterações no registro.

2 19 Este sistema pode não só orientar a necessidade de encaminhamento a um especialista, cuja presença é rara na maior parte dos postos de atendimento generalista localizados em comunidades de baixa renda, mas também, quando o profissional está presente, auxiliar o mesmo indicando de forma objetiva as alterações do registro eletrocardiográfico. 1.1 Análise da Atividade Elétrica Cardíaca A análise da atividade elétrica cardíaca é fundamental na clínica médica. Uma maneira simples e prática de se realizar esta análise é através do eletrocardiograma (ECG). O ECG é uma medida do sinal elétrico gerado pelo coração, detectada na superfície corpórea, a qual permite avaliar a atividade elétrica do músculo cardíaco e detectar possíveis alterações e distúrbios que possam comprometer a vida das pessoas. O ECG pode ser registrado em repouso e durante o esforço (teste ergométrico) a fim de que se possa avaliar o estado do coração durante o exercício físico, uma vez que o paciente pode ter um ECG de repouso sem alterações, porém quando submetido ao esforço podem aparecer alterações significativas que sugiram doença cardíaca, principalmente no caso de isquemia miocárdica (descrita no Capítulo 2).

3 Projeto SABIO O Sistema Interativo para Aquisição e Análise de Sinais Biomédicos (SABIO) é um projeto desenvolvido pelo Laboratório de Biometrologia da PUC-Rio. O SABIO (Figura 1) é um sistema de baixo custo constituído por técnicas convencionais de aquisição de sinais bioelétricos, associadas às facilidades da tecnologia computacional, oferecendo ainda a análise automática dos registros adquiridos e a interatividade com o usuário através de técnicas de multimídia. Figura 1.Equipamento e tela do projeto SABIO. Além do armazenamento automático dos registros bioelétricos, o médico pode introduzir dados relativos ao histórico e ao exame clínico do paciente. Apresenta, ainda, um programa interativo de multimídia associado ao equipamento, propiciando um treinamento para sua manipulação. Também se encontra disponível um programa educacional abordando aspectos preventivos e sobre o funcionamento do coração. A facilidade dos recursos de multimídia possibilita inclusive a manipulação residencial do sistema a partir de um treinamento interativo didático. O uso residencial

4 21 facilita ao médico o controle do seu paciente mesmo à distância do ambiente hospitalar. Finalmente, possui capacidade de acoplamento do computador com a Internet, possibilitando assim a transferência de dados entre ambulatórios, unidades de saúde, clínicas, hospitais e residências. A facilidade de envio por Internet permite, por exemplo, situações em que o paciente envia ao médico os registros obtidos durante monitoração residencial. Além de monitorar e armazenar dados sobre as doze derivações convencionais do eletrocardiograma de superfície, o SABIO contempla a implementação de algoritmos para análise automática dos registros temporais do sinal, objetivando prover as unidades de saúde, de atendimento médico preventivo ou generalista, com informação imediata quanto à normalidade dos padrões eletrocardiográficos adquiridos, indicando a necessidade de encaminhamento do paciente para tratamento especializado. Para o médico especialista, um sistema interpretativo possibilita a informação quantitativa e automatizada dos parâmetros morfológicos dos registros temporais (duração e amplitude das ondas de um ciclo cardíaco), permitindo um diagnóstico mais rápido e acurado. Em estudo prévio, implementou-se um algoritmo de análise automática baseado em heurísticas, descrito em (Monteiro, 2003). Esta dissertação aperfeiçoa, esse sistema de análise automática, substituindo o algoritmo heurístico por um sistema inteligente baseado em redes neurais artificiais.

5 Análise Automática por Sistemas Inteligentes Até o presente momento, muitos trabalhos foram produzidos para a análise automática de sinais de ECG (Diminski, 2000; Nadal, 1993; Pessete, 2002; Quiuzhen, 1992; Rojas, 2002; Wolf, 2003a,b,b; Yang, 2001), e muitas propostas foram elaboradas com o intuito de automatizar esse processo. Algumas das técnicas mais adotadas são mecanismos de inteligência computacional (IC), como Redes Neurais Artificiais, Lógica Fuzzy e Algoritmos Genéticos, associados a outras técnicas. Os sistemas desenvolvidos utilizando tais técnicas podem ser chamados de Sistemas Inteligentes (SI). Os SI são programas capazes de solucionar problemas simples ou complexos que usualmente exigem conhecimento, experiência e habilidades de especialistas humanos. Para tal, simulam o processo de raciocínio humano, utilizando conhecimentos específicos de determinadas tarefas. Tais sistemas inteligentes, com capacidade de aprendizagem automática (Haykin, 1998), encontram emprego especialmente adequado em aplicações médicas, para as quais o conhecimento é difícil de ser formalizado matematicamente ou logicamente. Uma técnica para auxiliar a tomada de decisão é o uso de Redes Neurais Artificiais (descritas na seção 3.1), as quais tentam simular o raciocínio humano. Essa metodologia consiste em um processo de aprendizagem, onde ocorre um ajuste nas interligações dos neurônios artificiais, para que a rede possa responder corretamente às solicitações realizadas, e um processo de teste para que se possa avaliar o seu desempenho. Outra técnica auxiliar à tomada de decisões é a Lógica Fuzzy (Silipo, 1999), ideal para ambientes onde as informações são parciais ou incompletas, por trabalhar com

6 23 soluções aproximadas, ou seja, trabalha com a incerteza. As técnicas fuzzy são adequadas para representar conceitos vagos expressos em termos lingüísticos, tais como a imprecisão lingüística de predicados, por exemplo, alto, maior, próximo, jovem. Uma terceira técnica empregada são os Algoritmos Genéticos (Sepúlveda, 2002), baseados na teoria da evolução das espécies, onde indivíduos mais capazes possuem maiores probabilidades de se reproduzirem. Seu uso é muito vasto, mas são largamente utilizados em ambientes cujo domínio é muito extenso, principalmente em problemas de otimização. Cada técnica citada acima pode ser utilizada individualmente ou em conjunto, de forma a melhorar o desempenho. Essas técnicas se subdividem em muitas outras, desenvolvidas para se obter melhores resultados e diminuir o custo computacional. Essa dissertação baseia-se em Redes Neurais Artificiais, que serão brevemente descritas na seção Revisão Bibliográfica Inúmeros trabalhos foram realizados na área biomédica para interpretação de ECG, onde as técnicas utilizadas variam de acordo com a vontade do implementador e com as necessidades existentes. Um único problema pode ser tratado de várias formas diferentes, podendo assim apresentar resultados mais ou menos promissores, dependendo das técnicas utilizadas, bem como do conjunto de dados existentes. Entre as várias técnicas utilizadas pode-se destacar: Redes Neurais Artificiais: classificação de sinais de ECG entre batimentos normais e prematuros (Simon, 2002); classificação de ondas P, localização

7 24 de pontos iniciais e finais das ondas componentes do ECG (Wolf, 2003a), análise e diagnóstico (Rojas, 2002); Neurofuzzy: reconhecimento de arritmias cardíacas em curto espaço de tempo (Yang, 2001); Wavelets: determinação das durações das ondas componentes do ECG (Sahambi, 1996); PCA e Redes Neurais Artificiais: classificação de sinais arrítmicos (Nadal, 1993); Filtros Adaptativos e Redes Neurais: localização de complexos QRS utilizando o filtro adaptativo whitening (Quiuzhen, 1992); PCA: classificação de sinais cardíacos arrítmicos (Nadal, 1991); Hidden Markov Models: detecção dos componentes de ECG (Douglas, 1990); Análise de Fourier: detecção dos pacientes propensos a arritmia ventricular (Shalini, 1989); Filtro de Kalman: redução do ruído de sinais eletrocardiográficos (Botter, 2002); Lógica Fuzzy: classificação de arritmias (Silipo, 1999); Algoritmos Genéticos: Reconhecimento de padrões eletrocardiográficos (Sepulveda, 2002); Redes Neurais com treinamento Bayesiano: Diagnóstico médico (Pessete, 2002);

8 Objetivo e Estrutura da Dissertação O objetivo dessa dissertação foi a elaboração de um algoritmo para interpretação automática dos ritmos e das morfologias dos registros temporais dos sinais eletrocardiográficos, que são de relevante interesse clínico. Essa dissertação apresenta a seguinte estrutura: Breve introdução, juntamente com propostas de outros autores (este capítulo); Descrição do funcionamento do coração juntamente com os valores limiares de cada componente de ECG e principais patologias estudadas (Capítulo 2); Introdução à inteligência computacional, apresentando os recursos utilizados para o desenvolvimento da dissertação e do algoritmo de análise automática de sinais eletrocardiográficos (Capítulo 3); Dados experimentais utilizados no desenvolvimento desse trabalho, bem como o pré-processamento necessário (Capítulo 4); Características do algoritmo desenvolvido e seu funcionamento (Capítulo 5); Conclusões e trabalhos futuros (Capítulo 6).