BIOGRAFÍA
David Luengo García (Santander, 1974) estudió Ingeniería Técnica de Telecomunicación e Ingeniería de Telecomunicación en la Universidad de Cantabria (UC), donde también realizó sus estudios de doctorado. En 2003 se trasladó a la Universidad Carlos III de Madrid y en octubre de 2011 a la Universidad Politécnica de Madrid donde, desde 2017, es profesor titular. Luengo ha publicado numerosos artículos en congresos y revistas de procesado de señal, aprendizaje de máquina, estadística computacional e ingeniería biomédica. Desde octubre de 2017 es coordinador del proyecto europeo “BIOART”, que incluye 13 instituciones de seis países.
PROYECTO
La fibrilación auricular (FA) es la arritmia cardiaca más común, habiendo alcanzado proporciones epidémicas: se estima que en España podría haber 1 millón de personas con FA actualmente y 2 millones de afectados en 2050. Su incidencia y prevalencia son tan elevadas que una de cada cuatro personas mayores de cuarenta años sufrirá FA a lo largo de su vida. No obstante, a pesar de ser una fuente común de hospitalización y un importante factor de riesgo en dolencias agudas y potencialmente mortales, sus causas aún no son bien conocidas. El objetivo de este proyecto es desarrollar herramientas que ayuden a los cardiólogos a comprender y tratar mejor patologías cardíacas como la FA. Para ello, se desarrollaron modelos generativos novedosos, utilizando técnicas avanzadas de aprendizaje de máquina y procesado de señal. En la actualidad, se continúa trabajando en esta línea de investigación, ya que todavía son muchas las incógnitas existentes respecto a la iniciación y mantenimiento de la FA.
RESULTADOS
En este proyecto se ha trabajado en el desarrollo de modelos (utilizando técnicas avanzadas de procesado de señal y aprendizaje máquina) que permitan profundizar en los mecanismos que generan y sustentan la fibrilación auricular (FA). Por un lado, se han desarrollado algoritmos de búsqueda de causalidad para determinar direcciones y patrones de propagación de la señal en electrocardiogramas (ECGs) intracavitarios. Estos algoritmos permitirán a los cardiólogos: (1) discriminar entre patrones normales y patrones anómalos de propagación de las señales eléctricas en el interior del corazón; (2) guiarles hacia zonas candidatas para la ablación por radiofrecuencia (rotores y focos ectópicos), uno de los principales tratamientos de la FA persistente en la actualidad. Por otro, se han aplicado herramientas de muestreo compresivo al análisis de dichos ECGs para obtener representaciones limpias de los mismos, así como facilitar la detección de las formas de onda relevantes contenidas en los ECGs. Por último, se han desarrollado técnicas de inferencia estadística (métodos de Monte Carlo adaptativos) para la estimación eficiente de parámetros que permitan caracterizar las señales cardiacas observadas. El objetivo final es disponer de descriptores que puedan ser calculados en tiempo real y que proporcionen información relevante para el diagnóstico y tratamiento de patologías cardíacas.