Diseño de un sistema recomendador para medicina espacial

Abstract

[ES] De cara a la nueva era de viajes espaciales que tiene como objetivo conseguir que los humanos lleguen a Marte se afrontan diferentes y complejos retos, uno de ellos y en el que se centra este proyecto es el del diseño y creación de sistemas autónomos que durante el viaje sean capaces de evitar y solucionar problemas que puedan surgir de manera inesperada, más concretamente nosotros nos centramos en el sistema autónomo médico de abordo con la función de diagnosticar y dar tratamiento a cualquier enfermedad o lesión que pueda ocurrir durante el viaje. Existen muchas dificultades para el diseño de estos sistemas autónomos médicos enfocados a viajes espaciales debido principalmente a la falta de datos, la dificultad para recoger estos datos de enfermedades o lesiones producidas en el espacio evita que se puedan probar este tipo de sistemas con casos dados en el espacio, obligando a hacerlo con datos tomados en tierra aplicando ciertas variaciones o restricciones que posteriormente permitan extrapolar los resultados definiendo la validez del sistema para este tipo de viajes. En este proyecto se ha tratado con una base de datos formada por datos recogidos por el centro de emergencias médicas de la comunidad valenciana, tratando estos datos para adaptar la base de datos al objetivo de este proyecto. Posteriormente se han realizado diferentes experimentos sobre esta base de datos, diseñando un sistema de recomendación basado en diferentes métricas capaces de definir la similitud entre cadenas de texto, observando los resultados obtenidos se ha extraído la conclusión de cual era la mejor de estas métricas descartando el resto para los posteriores experimentos en los que se ha tratado de mejorar la precisión del sistema con diferentes mejoras sobre la base de datos o sobre la forma de evaluar al propio sistema. Con todo esto se han extraído algunas de las siguientes conclusiones: La métrica con mejores resultados a nivel de precisión es el coeficiente de jaccard, eliminar las stopwords presenta una mejora significativa en la precisión, y es fundamental dotar de flexibilidad al sistema de recomendación a la hora de evaluarlo ya que un diagnóstico en la vida real no siempre es necesario que tenga una exactitud del cien por cien.

[EN] Facing the new era of space travel that aims to get humans to Mars, different and complex challenges are faced, one of them and the focus of this project is the design and creation of autonomous systems that during the trip are able to avoid and solve problems that may arise unexpectedly, more specifically we focus on the autonomous medical system on board with the function of diagnosing and treating any disease or injury that may occur during the trip. There are many difficulties for the design of these autonomous medical systems focused on space travel mainly due to the lack of data, the difficulty to collect these data of diseases or injuries produced in space prevents to test this type of systems with cases given in space, forcing to do it with data taken on the ground applying certain variations or restrictions that later allow to extrapolate the results defining the validity of the system for this type of travel. In this project we have dealt with a database formed by data collected by the medical emergency center of the Valencian community, treating these data to adapt the database to the objective of this project. Subsequently, different experiments have been carried out on this database, designing a recommendation system based on different metrics capable of defining the similarity between text strings, observing the results obtained we have drawn the conclusion of which was the best of these metrics discarding the rest for subsequent experiments in which we have tried to improve the accuracy of the system with different improvements on the database or on the way to evaluate the system itself. With all this, some of the following conclusions have been drawn: The metric with the best results at the accuracy level is the Jaccard coefficient, eliminating stopwords presents a significant improvement in accuracy, and it is essential to provide flexibility to the recommendation system when evaluating it since a diagnosis in real life is not always necessary to have one hundred percent accuracy.

[CA] De cara a la nova era de viatges espacials que té com a objectiu aconseguir que els humans arriben a Mart s'afronten diferents i complexos reptes, un d'ells i en el qual se centra aquest projecte és el del disseny i creació de sistemes autònoms que durant el viatge siguen capaços d'evitar i solucionar problemes que puguen sorgir de manera inesperada, més concretament nosaltres ens centrem en el sistema autònom mèdic d'aborde amb la funció de diagnosticar i donar tractament a qualsevol malaltia o lesió que puga ocórrer durant el viatge. Existeixen moltes dificultats per al disseny d'aquests sistemes autònoms mèdics enfocats a viatges espacials degut principalment a la falta de dades, la dificultat per a recollir aquestes dades de malalties o lesions produïdes en l'espai evita que es puguen provar aquest tipus de sistemes amb casos donats en l'espai, obligant a fer-lo amb dades preses en terra aplicant unes certes variacions o restriccions que posteriorment permeten extrapolar els resultats definint la validesa del sistema per a aquesta mena de viatges. En aquest projecte s'ha tractat amb una base de dades formada per dades recollides pel centre d'emergències mèdiques de la comunitat valenciana, tractant aquestes dades per a adaptar la base de dades a l'objectiu d'aquest projecte. Posteriorment s'han realitzat diferents experiments sobre aquesta base de dades, dissenyant un sistema de recomanació basat en diferents mètriques capaces de definir la similitud entre cadenes de text, observant els resultats obtinguts s'ha extret la conclusió de qual era la millor d'aquestes mètriques descartant la resta per als posteriors experiments en els quals s'ha tractat de millorar la precisió del sistema amb diferents millores sobre la base de dades o sobre la manera d'avaluar al propi sistema. Amb tot això s'han extret algunes de les següents conclusions: La mètrica amb millors resultats a nivell de precisió és el coeficient de jaccard, eliminar les stopwords presenta una millora significativa en la precisió, i és fonamental dotar de flexibilitat al sistema de recomanació a l'hora d'avaluar-lo ja que un diagnòstic en la vida real no sempre és necessari que tinga una exactitud del cent per cent.