La detecció precoç d'anomalies cardíaques continua sent un repte clínic de primer ordre. Tot i que els avenços en imatgeologia són notables, l'auscultació tradicional amb estetoscopi segueix sent l'eina de cribratge més accessible i barata. No obstant això, la interpretació dels sons cardíacs depèn en gran mesura de l'experiència del metge. Aquí és on la intel·ligència artificial entra en joc: transformar un simple enregistrament de batecs en una decisió clínica assistida per models d'IA capaços de distingir entre sons normals i anòmals. A Q2BSTUDIO, empresa especialitzada en aplicacions a mida, sabem que la clau no està només en l'arquitectura de la xarxa neuronal, sinó en com preparem les dades d'entrada. Aquest article analitza una comparació empírica de tres representacions espectrals —logmel, PCEN i multiresolució— aplicades a un classificador CNN sobre el dataset PhysioNet 2016 de sons cardíacs.
La metodologia emprada pels investigadors va ser deliberadament simple per aïllar l'efecte de la representació: van mantenir fixa la CNN —mateixa arquitectura, mateix optimitzador Adam, mateixa llavor aleatòria— i van variar únicament la forma de convertir l'àudio en una imatge espectral. L'espectrograma log-mel (logmel) és la tècnica més estesa: aplica una transformada de Fourier de curta durada (STFT) amb finestres de mida fixa, mapeja les magnituds a l'escala mel i comprimeix logarítmicament. El PCEN (Per-Channel Energy Normalization) introdueix una normalització temporal per banda de freqüència que redueix l'efecte de variacions de volum i soroll de fons, quelcom comú en enregistraments d'estetoscopi. La versió multiresolució apila diversos espectrogrames logmel generats amb diferents mides de finestra (per exemple, 25 ms, 50 ms i 100 ms) creant un tensor de tres canals que captura informació tant d'esdeveniments ràpids com de tons sostinguts.
Els resultats de l'estudi revelen que les tres representacions assoleixen una sensibilitat propera al 0.95 en la detecció de casos anòmals, la qual cosa indica que la CNN extreu patrons rellevants en tots els casos. No obstant això, la mètrica oficial de PhysioNet —una combinació de sensibilitat i especificitat— mostra que PCEN (0.915) i multiresolució (0.916) superen lleugerament el logmel (0.910). Tot i que les diferències són petites, en un context clínic on cada dècima de precisió pot traduir-se en vides salvades, qualsevol millora és rellevant. A més, l'ús de Grad-CAM per visualitzar les regions activades en les imatges espectrals va confirmar que el model s'enfoca principalment en les freqüències baixes on resideixen els sons S1 i S2, senyal que l'aprenentatge es basa en fonaments fisiològics reals i no en artefactes.
Des d'una perspectiva tècnica, la implementació d'aquest tipus de sistemes requereix un ecosistema robust de cloud AWS/Azure per escalar el processament de milers d'enregistraments diaris, així com mesures de ciberseguretat per protegir dades sanitàries sensibles. A Q2BSTUDIO integrem pipelines complets de dades que van des de la ingesta d'àudio fins al desplegament de models en producció, utilitzant eines de Business Intelligence com Power BI per monitoritzar el rendiment i generar dashboards que ajudin els equips clínics a interpretar les prediccions. A més, l'automatització de processos mitjançant agents IA permet orquestrar fluxos de treball intel·ligents que, per exemple, prioritzin els enregistraments amb alta probabilitat d'anomalia perquè un cardiòleg els revisi immediatament.
Un altre aspecte rellevant és el preprocessament d'àudio en entorns reals. El PCEN va demostrar ser particularment robust davant sorolls ambientals, cosa que el converteix en una opció ideal per a aplicacions wearable o de telemedicina on la qualitat d'enregistrament varia. La representació multiresolució, per la seva banda, ofereix una riquesa d'informació que pot ser explotada per arquitectures més profundes o models híbrids que combinin CNNs amb transformers. A Q2BSTUDIO hem desenvolupat aplicacions a mida d'anàlisi de senyals biomèdiques incorporant aquestes tècniques, i l'experiència ens diu que l'elecció de l'espectrograma s'ha d'alinear amb el maquinari objectiu: un dispositiu incrustat amb poca memòria probablement farà servir PCEN per la seva eficiència computacional, mentre que un servidor al núvol es pot permetre el cost addicional de la multiresolució.
Finalment, cal destacar que la comunitat científica està explorant variants com l'espectrograma de fase o xarxes generatives per augmentar dades sintètiques. En aquest context, Q2BSTUDIO ofereix serveis de consultoria en IA per ajudar empreses a triar la representació òptima segons el seu domini específic, ja sigui salut, indústria o finances. La combinació d'espectrogrames avançats amb arquitectures lleugeres de CNN representa un pas endavant cap a un diagnòstic cardíac accessible i automatitzat, especialment en regions amb escassetat d'especialistes. Amb una correcta integració de cloud, ciberseguretat i agents intel·ligents, aquestes solucions es poden desplegar de manera segura i escalable.
