Tesis "Detección Temprana de Episodios Hipotensivos Agudos Basada en un Modelo de Aprendizaje Automático"
Sustentante: Jordy Zachary Vargas Gómez
Directores: Dr. Hiram Galeana Zapién, Dr. Edwyn Javier Aldana Bobadilla
Sinodales: Dr. Iván López Arévalo, Dr. Wilfrido Gómez Flores
Resumen:
La tendencia en el ámbito médico, muestra una creciente integración de tecnologías de la información en las instituciones hospitalarias mediante la implantación de sistemas informáticos que recolectan y almacenan datos clínicos como variables fisiológicas y bioquímicas. El análisis de estos datos permite encontrar modelos que caractericen fenómenos clínicos como patologías y eventos adversos, los cuales pueden integrarse en sistemas informáticos con el fin de detectar o predecir estos fenómenos y asistir al personal clínico en las diferentes tareas que realizan, como la atención y diagnóstico de pacientes.
El presente trabajo consiste en encontrar un modelo para detección temprana de episodios hipotensivos agudos (AHEs), los cuales son episodios recurrentes en las unidades de cuidados intensivos y tienen un alto impacto en la tasa mortalidad de pacientes. La metodología de desarrollo contempla tres fases fundamentales: 1) una fase de recolección y preprocesamiento de datos, 2) una fase de análisis y diseño de un modelo basado en dichos datos que caracteriza el comportamiento de un AHE y 3) una fase de evaluación que permite hacer uso del modelo encontrado con el fin de detectar de manera temprana tales episodios. Los resultados obtenidos a través de la validación experimental demuestran que el modelo obtenido caracteriza adecuadamente los AHEs logrando una detección temprana de hasta un 94.58% de los episodios evaluados.