Heart beating: una aplicación para el diagnóstico prenatal inteligente

Autores/as

  • Julio César Pérez Sansalvador Secretaría de Ciencia, Humanidades, Tecnología e Innovación, Ciudad de México, México. Instituto Nacional de Astrofísica, Óptica y Electrónica, Puebla, México. https://orcid.org/0000-0002-2656-3659
  • Arelly Ornelas Vargas Secretaría de Ciencia, Humanidades, Tecnología e Innovación, Ciudad de México, México. Instituto Politécnico Nacional, Centro interdisciplinario de Ciencias Marinas (CICIMAR-IPN), Baja California Sur, México. https://orcid.org/0000-0002-8371-699X
  • Alejandro Barreiro Valdez Estudiante de Ingeniería en Computación en la Universidad Nacional Autónoma de México, Facultad de Ingeniería, Ciudad de México, México. https://orcid.org/0009-0000-4262-5912
  • Kernel Enrique Prieto Moreno Realiza una estancia posdoctoral en The University of British Columbia, Centre for Disease Control, Vancouver, Canadá. https://orcid.org/0000-0002-3195-964X
  • Socrates Romero Reyes Estudiante doctoral en el Instituto Nacional de Astrofísica, Óptica y Electrónica, Puebla, México. https://orcid.org/0000-0002-4153-4258

DOI:

https://doi.org/10.22201/dgtic.26832968e.2025.13.56

Palabras clave:

Electrocardiografía fetal no invasiva, redes neuronales profundas, anomalías del ritmo cardíaco fetal, procesamiento de señales biomédicas, inteligencia artificial en medicina

Resumen

La electrocardiografía fetal no invasiva (NI-FECG, por sus siglas en inglés) es una técnica que captura la señal combinada del ritmo cardíaco materno y fetal. Esta señal es analizada por especialistas en señales y cardiólogos pediátricos en busca de anomalías cardiacas en el feto. En este trabajo, presentamos Heart beating, una aplicación para el análisis de señales NI-FECG que utiliza redes neuronales profundas para estimar el ritmo cardíaco del feto e identificar anomalías como la bradicardia o la taquicardia. A corto plazo, esta tecnología busca servir como una herramienta para el entrenamiento de cardiólogos pediátricos y en el diagnóstico médico asistido por computadora.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Julio César Pérez Sansalvador, Secretaría de Ciencia, Humanidades, Tecnología e Innovación, Ciudad de México, México. Instituto Nacional de Astrofísica, Óptica y Electrónica, Puebla, México.

Julio César Pérez Sansalvador recibió el grado de doctor en Matemáticas Aplicadas por la Universidad de Manchester, en Reino Unido en el 2016. Cuenta con estudios de maestría en Ciencias Computacionales en el Instituto Nacional de Astrofísica, Óptica y Electrónica (INAOE), y la licenciatura en Ciencias de la Computación por la Benemérita Universidad Autónoma de Puebla (BUAP). Ha publicado artículos científicos donde aplica herramientas de las matemáticas y las ciencias computacionales para la solución de problemas en biomedicina y computación. Es miembro del Sistema Nacional de Investigadoras e Investigadores en nivel 1 desde el 2020. Actualmente está comisionado al departamento de Ciencias Computacionales del INAOE en Puebla, Mexico.

Arelly Ornelas Vargas, Secretaría de Ciencia, Humanidades, Tecnología e Innovación, Ciudad de México, México. Instituto Politécnico Nacional, Centro interdisciplinario de Ciencias Marinas (CICIMAR-IPN), Baja California Sur, México.

La Dra. Arelly Ornelas Vargas, estadística por la Universidad de Barcelona, es investigadora en ciencia de datos y estadística aplicada en ecología marina y medicina. Ha escrito artículos sobre funciones ecológicas y relaciones en hábitats marinos, utilizando redes neuronales para analizar divergencias morfológicas y modelar el crecimiento biológico. Su investigación abarca también temas en seguros y medicina, específicamente sobre pacientes con VIH, mostrando una destacada versatilidad en diferentes áreas científicas. Actualmente, es investigadora en el Centro interdiciplinario de Ciencias Marinas (CICIMAR-IPN). Además, pertenece al Sistema Nacional de Investigadoras e Investigadores en nivel 1 desde el 2023.

Alejandro Barreiro Valdez, Estudiante de Ingeniería en Computación en la Universidad Nacional Autónoma de México, Facultad de Ingeniería, Ciudad de México, México.

Alejandro Barreiro Valdez es Licenciado en Ingeniería en Computación por la Universidad Nacional Autónoma de México (UNAM). Actualmente se desempeña como Staff in Charge en KPMG. Ha participado en un proyecto de investigación en colaboración con el Instituto de Investigaciones en Matemáticas Aplicadas y Sistemas (IIMAS-UNAM) y Huawei, y en un proyecto de inteligencia deportiva enfocado en redes neuronales.

Kernel Enrique Prieto Moreno, Realiza una estancia posdoctoral en The University of British Columbia, Centre for Disease Control, Vancouver, Canadá.

Kernel Enrique Prieto Moreno estudió la licenciatura en Física en la Universidad Nacional Autónoma
de México (UNAM), la maestría en Ciencias con especialidad en Ciencias Matemáticas en la UNAM,
y el doctorado en Matemáticas Aplicadas en la Universidad de Manchester en Reino Unido.
En el periodo 2015-2017 realizó una estancia posdoctoral en la Univesidad de Hokkaido en Japón, fue parte del programa Cátedras CONAHCyT durante el periodo 2017-2021 y realizó una estancia posdoctoral en la Universidad de British Columbia en Canadá. Actualmente, trabaja en el sector industrial financiero. Además, es miembro del Sistema Nacional de Investigadoras e Investigadores en el nivel 1 desde el 2023. Sus intereses de investigación se centran en modelos matemáticos y la aplicación de la inteligencia artificial en la medicina y la epidemiología.

Socrates Romero Reyes, Estudiante doctoral en el Instituto Nacional de Astrofísica, Óptica y Electrónica, Puebla, México.

Socrates Romero Reyes es ingeniero electrónico por el Instituto Tecnológico de Puebla, es maestro en Ciencias y Tecnologías Biomédicas por el Instituto Nacional de Astrofísica, Óptica y Electrónica. Sus intereses profesionales se centran en la detección de problemas congenitos en fetos. Ha desarrollado prototipos de adquisición de señales electrocardiográficas fetales. En la investigación de maestría, se centró en el análisis de electrocardiogramas fetales no invasivos, con el objetivo de detectar arritmias usando espectrogramas y redes neuronales convolucionales. Actualmente, estudia el doctorado en Ciencias y Tecnologías Biomédicas donde utiliza el análisis multimodal y fusión de datos para la detección de patologías congenitas cardiacas en fetos.

Citas

[1] INEGI “Estadísticas de defunciones fetales (EDF) 2023', Comunicado de prensa número 499/24. [online] 24/10/2024 Disponible:https://www.inegi.org.mx/contenidos/saladeprensa/boletines/2024/EDF/EDF2023.pdf

[2] CONEVAL “Estimaciones de pobreza multidimensional 2018 y 2020, CONEVAL'', Comunicado de prensa Num. 09. [online] 30/08/2024. Disponible: https://www.coneval.org.mx/SalaPrensa/Comunicadosprensa/Documents/2021/COMUNICADO_009_MEDICION_POBREZA_2020.pdf

[3] C. García-Guevara, J. Pérez-Pedregosa, M. Cazzaniga, “El diagnóstico en el feto cardiópata”, An Pediatr Contin. Vol. 10, No. 6, pp. 324-333, 2012.

[4] Secretaría de salud, Médicos especialistas en México, May, 2022. [online] 30/10/2024. Disponible: https://www.gob.mx/cms/uploads/attachment/file/729437/CPM_Salud_Me_dicos_especialistas__31may22.pdf

[5] Z. A. Bhutta, M.Y. Yakoob, J. E. Lawn, A. Rizvin, I. K. Friberg, E. Weissman, E. Buchmann, R. L. Goldenberg “Stillbirths Series steering committee. Stillbirths: what difference can we make and at what cost?”, Lancet, Vol. 377, No. 9776, pp. 1523-1538, Apr 2011.

[6] L. M. Garrido-García, M. G. Delgado-Onofre, “Trastornos del ritmo en el recién nacido'', Acta Pediat Mex. Vol. 35, No. 2, pp. 148-158, Jan 2014.

[7] R. Vullings, “Fetal Electrocardiography and Deep Learning for Prenatal Detection of Congenital Heart Disease”, 2019 Computing in Cardiology CinC, Singapore, 2019, pp. 1-4.

[8] G. Aggarwal, Y. Wei, “Non-Invasive Fetal Electrocardiogram MonitoringTechniques: Potential a and Future Research Opportunities in Smart Textiles”, Signals Vol. 2, No. 3. pp. 392-412. 2021.

[9] J. Behar, J. Oster, G. D. Clifford. “Non-invasive FECG extraction from a set of abdominal sensors”, Computing in Cardiology 2013, Zaragoza, Spain, 2013, pp. 297-300.

[10] W. Lo, P. Y. Tsai “Deep Learning for Detection of Fetal ECG from MultiChannel Abdominal Leads'', 2018 Asia-Pacific Signal and Information Processing, Association Annual Summit and Conference (APSIPA ASC), Honolulu, HI, USA, 2018, pp. 1397-1401.

[11] A. Gupta, A. Singh, “Healthcare 4.0: recent advancements and futuristic research directions”. Wirel Pers Commun. Vol. 29, No. 2, pp. 933-952. 2023.

[12] J. N. Muñoz-Montes-de-Oca, H. Romero-Morales, J. J. Reyes-Lagos, “De estetoscopios a dispositivos inteligentes: una revolución del monitoreo materno-fetal”, Ciencia, Vol. 75. No. 4, pp. 85-89, 2024

[13] A. Goldberger, L. Amaral, L. Glass, J. Hausdorff, P. C. Ivanov, R. Mark, J. E. Mietus, G. B. Moody, C. K. Peng, H. E. Stanley. “PhysioBank, PhysioToolkit, and PhysioNet: Components of a new research resource for complex physiologic signals”, 2000, [online] 07/11/2024. Disponible: https://physionet.org/content/challenge-2013/1.0.0

[14] F. Andreotti, J. Behar, S. Zaunseder, J. Oster, G.D. Clifford, “An open-source framework for stress-testing non-invasive foetal ECG extraction algorithms”, Physiological Measurement, Vol. 37, No. 5, pp. 627-648, 2016.

[15] J. Behar, F. Andreotti, S. Zaunseder, Q. Li, J. Oster, G. D. Clifford, “An ECG imulator for generating maternal-foetal activity mixtures on abdominal ECG recordings”, Physiological Measurement, Vol. 35, No. 8. pp. 1537-1550, 2014.

[16] I. Silva, J. Behar, R. Sameni, T. Zhu, J. Oster, G.D. Clifford, G. B. Moody, “Noninvasive Fetal ECG: the PhysioNet/Computing in Cardiology Challenge 2013”. Computing in cardiology 2013, Zaragoza, Spain, 2013, Vol. 40, pp. 149-152.

[17] A. Georgieva, P. Abry, M. G. Frasch, I. M. Nunes, eds. (2022), Fetal-Maternal Monitoring in the Age of Artificial Intelligence and Computer-Aided Decision Support: A Multidisciplinary Perspective, Lausanne: Frontiers Media SA.

[18] X. Li, J. Wan, & X. Peng, “Review of Non-Invasive Fetal Electrocardiography Monitoring Techniques”, Sensors, 25(5), 1412, 2025.

[19] F. Eleni, V. Rik, “Multi-Channel Fetal ECG Denoising With Deep Convolutional Neural Networks”, Frontiers in Pediatrics, Vol. 8, 2020.

[20] W. Zhong, L. Liao, X. Guo, G. Wang “A deep learning approach for fetal QRS complex detection”, Physiological Measurement, Vol. 39, pp. 1-9. 2018.

[21] “What is fetal heart monitoring”, Fetal Heart Monitoring, Johns Hopkins, Medicine, [online] 13/08/2025. Available: https://www.hopkinsmedicine.org/health/treatment-tests-and-therapies/fetal-heart-monitoring

[22] Alianza “Proyectos de Investigación en Inteligencia Artificial en el Espacio de Innovación UNAM-HUAWEI", [online] 13/08/2025 Disponible: https://alianza.unam.mx/convocatoria-2022/

Ilustración médica digital que muestra a un feto en posición dentro del útero, resaltado con puntos de luz y tonos brillantes; en la esquina superior izquierda, un círculo rojo contiene la imagen de un corazón humano con un electrocardiograma en segundo plano.

Descargas

Publicado

5/09/25 (12:00)

Cómo citar

Pérez Sansalvador, J. C., Ornelas Vargas, A., Barreiro Valdez, A., Prieto Moreno, K. E., & Romero Reyes, S. (2025). Heart beating: una aplicación para el diagnóstico prenatal inteligente. TIES, Revista De Tecnología E Innovación En Educación Superior, (13), 77–90. https://doi.org/10.22201/dgtic.26832968e.2025.13.56

Número

Núm. 13 (2025): Inteligencia Artificial para la solución de problemas sociales 2

Sección

Artículos

Licencia

Derechos de autor 2025 Julio César Pérez Sansalvador, Arelly Ornelas Vargas, Alejandro Barreiro Valdez, Kernel Enrique Prieto Moreno, Socrates Romero Reyes

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.

TIES, Revista de Tecnología e Innovación en Educación Superior, es una publicación semestral de acceso abierto bajo la licencia Creative Commons Atribución-No Comercial 4.0 Internacional (CC BY-NC 4.0). 

ISSN 22683-2968 • © 2025 Universidad Nacional Autónoma de México. TIES, Revista de Tecnología e Innovación en Educación Superior es editada por la Universidad Nacional Autónoma de México a través de la Dirección General de Cómputo y de Tecnologías de Información y Comunicación (DGTIC).  Circuito exterior s/n, Ciudad Universitaria, Alcaldía Coyoacán, C.P. 04510, Ciudad de México, México • Reserva de Derechos de Autor otorgado por INDAUTOR: 04-2019-011816190900-203.

El contenido de los artículos es responsabilidad de los autores y no refleja el punto de vista del Comité editorial, del Editor o de la Universidad Nacional Autónoma de México. Hecho en México, 2025.