Viabilidad y seguridad para el seguimiento por smartphone de complicaciones postquirúrgicas en cirugía abdominao

Abstract

[spa] Los pacientes sometidos a operaciones abdominales deben realizar un seguimiento postoperatorio durante largos períodos de tiempo después de la cirugía. Dicho seguimiento se realiza a través de consultas presenciales ante el especialista, las cuales tienen un coste económico y, sobretodo, afectan en la calidad de vida de los pacientes, ya que muchas de las consultas son innecesarias y someten a los pacientes a traslados al centro sanitario que se pueden evitar. Con la aparición de las nuevas tecnologías se puede simplificar el seguimiento de los pacientes, y parece razonable proponer una aplicación de teléfono inteligente que permita complementar la opinión del especialista. Partiendo de una imagen de la herida, se pueden detectar algunas de las posibles complicaciones, entre las que se destaca la infección. En este trabajo el objetivo principal es detectar la presencia de infección a través del análisis del color; ahora bien, en la imagen de la herida aparecen grapas paramantener la herida cerrada, causado una distorsión general de las propiedades de la imagen. Para el diseño e implementación de la aplicación de teléfono inteligente, se ha partido de un conjunto de imágenes facilitadas por el servicio de cirugía delHospitalUniversitario de Son Espases, clasificadas por los especialistas como con o sin infección. Para facilitar el análisis, cada imagen se ha dividido en diferentes subimágenes demenor tamaño, clasificadas según si contienen o no herida (y por tanto grapa) para poder centrar el estudio en las características locales. La inspección de estas subimágenes (regiones), y el estudio de la distorsión que provocan las grapas, ha permitido definir tres medidas que representan las amplitudes de los histogramas de diferentes canales, entrenando con esta información una SVM como algoritmo de aprendizaje supervisado, permitiendo generar unmodelo que clasifique si una región contiene herida o no. De las regiones que sí contengan herida se aplicará el algoritmo de detección de posición de grapas, que proporcionará una máscara binaria, donde en blanco se encuentra la posición de cada grapa presente en la herida. Se han propuesto tres métodos diferentes; los dos primeros, basados en la morfología matemática borrosa para imágenes en niveles de gris y, el tercero, basado en el concepto de gradiente de una imagen. Con la máscara obtenida, aplicando un algoritmo de repintado se eliminarán las grapas de la imagen. A continuación, segmentando el espectro del canal H del espacio de color HSV, y considerando cada etiqueta de color como un conjunto borroso, se podrá determinar el nivel de infección como la proporción de píxeles marcados como rojos. Finalmente, poder validar que los algoritmos desarrollados previamente pueden ser viables para su uso a la telemedicina se ha llevado a cabo la implementación de una aplicación móvil en la que, a partir de una imagen tomada con la cámara del dispositivo, se pueda determinar el grado de infección siguiendo losmétodos propuestos. Finalmente, se proporcionan a continuación para los diferentes algoritmos diseñados, algunos detalles sobre los resultados obtenidos. En primer lugar, el entrenamiento de la SVM ha ofrecido unos resultados correctos, llegando a valores de F-medida de 0.97 y siempre superior a 0.95, hecho que indica que la clasificación realizada comete un error muy bajo. En segundo lugar, en los algoritmos de detección de grapas propuesto, se destaca que el primer método basado en la dilatación borrosa ,no ofrece buenos resultados ya que no detecta todas las grapas y, en las que sí detecta, no cubre completamente su superficie. El segundo método toma como base los resultados del primero, introduciendo una mejora utilizando un nuevo parámetro, obteniendo una detección más correcta de la grapa aunque, por su construcción, sigue sin conseguir detectarlas todas. Para resolver los problemas que aparecen con los métodos que usan la dilatación borrosa, se ga propuesto un tercer método basado en gradientes, con el que sí se consigue realizar una detección completa de prácticamente todas las grapas. Con la máscara generada por el método de gradiente, se aplica un método de repintado (inpainting) para poder eliminar la presencia de las grapas. Se ha de resaltar que, al aplicar elmétodo de segmentación de color basado en conjuntos borrosos, y puesto que no se dispone de una imagen de referencia para poder validar, se observa como la proporción de regiones rojas en las imágenes clasificadas por los especialistas con infección es superior a las imágenes clasificadas sin infección. En la aplicación para teléfono inteligente se ha fijado inicialmente una tasa del 40% de píxeles rojos para concertar una consulta de revisión con el especialista.