Tesis "Método de predicción de episodios hipotensivos basado en una codificación de series de tiempo de presión arterial media y cadenas de Markov"
Sustentante: Jaime Edwin Arciniegas García.
Director: Dr. Hiram Galeana Zapién, investigador Cinvestav Tamaulipas.
Sinodales: Dr. Edwyn Javier Aldana Bobadilla, Cinvestav Unidad Tamaulipas;Dr. Iván López Arévalo, Cinvestav Unidad Tamaulipas.
Resumen:
La recolección y almacenamiento de información clínica y fisiológica en el ámbito hospitalario ha motivado el desarrollo de sistemas de apoyo a la decisión clínica (CDSS, por sus siglas en inglés). Estos CDSS están encaminados a procesar la información recabada para que mediante el uso de métodos computacionales sea posible anticipar la ocurrencia de un episodio adverso (anormalidad en los signos vitales), lo que permitiría mejorar el tratamiento y diagnóstico del paciente. En particular, uno de los episodios adversos de mayor interés son los episodios agudos hipotensivos (AHE, por sus siglas en inglés) que ocurren cuando en una ventana de 30 minutos al menos el 90% de las muestras de presión arterial media (MAP, por sus siglas en inglés) se encuentran por debajo del umbral de 60 mmHg. La identificación oportuna de AHEs es de gran interés en la práctica clínica ya que se sabe que es precursor de otros eventos más severos que deterioran la salud del paciente. En este contexto, la presente tesis estudia el problema de predecir la ocurrencia de AHEs a partir del análisis y procesamiento de series de tiempo de MAP. De manera particular, se propone un método que consiste en tres elementos principales: a) una codificación que permite cambiar a un nuevo espacio de códigos las series de tiempo de MAP; b) la aplicación de un algoritmo de agrupación de datos categóricos que permite encontrar en el conjunto de datos codificado los grupos correspondientes a los estados normotensivos (No-AHEs) e hipotensivos (AHEs); c) la predicción de AHEs mediante el uso de una cadena de Markov de dos o más estados para modelar la ocurrencia de AHEs en la matriz estocástica obtenida con los estados identificados en el paso previo. Para validar el método propuesto se usó un conjunto de series de tiempo de MAP de la base de datos MIMIC-II (Monitoreo Inteligente Multiparámetro en Cuidados Intensivos II), el cual fue preparado mediante la aplicación de las tareas de pre-procesamiento típicas. A cada serie de tiempo se identificaron los episodios hipotensivos contenidos en ésta (marcas de clase) a partir de la definición AHEs ampliamente utilizada. De acuerdo a los resultados obtenidos, el método propuesto permite predecir AHEs en ventanas de tiempo de hasta 7 minutos con una precisión aceptable, alcanzando resultados similares a los reportados en la literatura.