Diseño y desarrollo de un sistema automático para la predicción del nivel de funcionalidad que pueden alcanzar pacientes con traumatismo craneoencefálico a partir de valoraciones funcionales y técnicas de machine learning

Abstract

[ES] Los traumatismos craneoencefálicos (TBI, por sus siglas en inglés) es la principal causa de fallecimiento y pérdida de funcionalidad del espectro de enfermedades traumáticas, con 69 millones de casos anuales a nivel mundial. Uno de los principales tratamientos es la neurorrehabilitación para mejorar las capacidades funcionales perdidas en diversos dominios (motores, cognitivos, logopedia, independencia, etc.). Se realiza un seguimiento de los pacientes a lo largo del proceso por medio de valoraciones funcionales y escalas clínicas. Esta evolución presenta cierta heterogeneidad, con ciertos grupos de pacientes en los cuales no se observa una mejoría, lo cual supone un alto coste en cuanto a recursos y puede evidenciar la necesidad de variar el proceso de rehabilitación según el paciente. Por este motivo, el objetivo del presente TFM versa sobre el desarrollo de algoritmos de machine learning capaces de predecir el nivel de funcionalidad final que alcanzarán los pacientes con TBI en proceso de rehabilitación, tomando como entrada las variables obtenidas con las valoraciones funcionales a lo largo del tiempo. Para ello, se parte de una base de datos de alrededor de 500 pacientes del servicio de neurorehabilitación de Hospitales Nisa. Como primer paso, se realizará adecuación y filtrado la base de datos, y selección de aquellos parámetros más relevantes en la práctica clínica. A continuación, se tratará de entrenar un perceptrón multicapa para la predicción del FIM, Escala de Dependencia Funcional. Además, se quiere incorporar el uso de técnicas Long-Short-Time-Memory para realizar la predicción teniendo en cuenta la evolución del paciente. Finalmente, se tratará de optimizar el modelo para minimizar el número de valoraciones funcionales distintas necesarias para realizar una predicción precisa.