Una valvola aortica normale (a sinistra) rispetto a una valvola aortica difettosa (a destra) e i loro diversi segnali sonori (viola). I dati sonori sono stati utilizzati per generare grafici negli angoli inferiori, che differiscono notevolmente e possono aiutare a diagnosticare la stenosi della valvola aortica. Credito:MS Scambia
La stenosi della valvola aortica si verifica quando la valvola aortica si restringe, limitando il flusso sanguigno dal cuore attraverso l'arteria e verso l'intero 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.
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 utilizzando un'analisi di rete complessa che è accurata, semplice da usare ea basso costo.
"Molti centri sanitari rurali non dispongono della tecnologia necessaria per analizzare malattie come questa", ha affermato l'autore M.S. 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 "lub" 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, "dub", quando le valvole aortica e polmonare si chiudono.
Swapna e il suo team hanno utilizzato i dati del battito cardiaco, raccolti in 10 minuti, per creare un grafico o una complessa rete di punti collegati. I dati sono stati suddivisi in sezioni e ciascuna parte è stata rappresentata con un nodo o un punto singolo 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 margini.
"Nel caso della stenosi aortica, non c'è separazione tra i segnali sonori lub e dub", ha detto Swapna.
I ricercatori hanno utilizzato l'apprendimento automatico per esaminare i grafici e identificare quelli con e senza malattia, ottenendo un'accuratezza di classificazione del 100%. Il loro metodo prende in considerazione la correlazione di ciascun punto, rendendolo più accurato di altri che considerano solo la forza del segnale, e lo fa in meno di 10 minuti. In quanto tale, potrebbe essere utile per le diagnosi in fase iniziale.
Finora, il metodo è stato testato solo con i dati, non in un contesto clinico. Gli autori stanno sviluppando un'applicazione mobile a cui è possibile accedere in tutto il mondo. La loro tecnica potrebbe essere utilizzata anche per diagnosticare altre condizioni.
"Il metodo proposto può essere esteso a qualsiasi tipo di segnali sonori del cuore, segnali sonori polmonari o segnali sonori della tosse", ha affermato Swapna.
L'articolo "Unwrapping aortic valve functions through complex network analysis:A biophysics approach" è scritto da V. Vijesh, M.S. Swapna, K. Satheesh Kumar e S. Sankararaman. L'articolo apparirà su The Journal of Applied Physics il 30 agosto 2022. + Esplora ulteriormente
