- -

Diseño de un clasificador adaptativo de emergencias en medicina espacial

RiuNet: Institutional repository of the Polithecnic University of Valencia

Share/Send to

Cited by

Statistics

  • Estadisticas de Uso

Diseño de un clasificador adaptativo de emergencias en medicina espacial

Show simple item record

Files in this item

dc.contributor.advisor García Gómez, Juan Miguel es_ES
dc.contributor.advisor Ferri Borredà, Pablo es_ES
dc.contributor.author Garrido Sevilla, Ignacio es_ES
dc.date.accessioned 2021-10-05T10:07:19Z
dc.date.available 2021-10-05T10:07:19Z
dc.date.created 2021-09-16
dc.date.issued 2021-10-05 es_ES
dc.identifier.uri http://hdl.handle.net/10251/173830
dc.description.abstract [ES] A principios de 2021 tres naves espaciales, el Hope Orbiter, el Tianwen-1 y el Perseverance, llegaron a Marte con la esperanza de llevar a cabo misiones específicas para estudiar su atmósfera y su superficie, con el objetivo concreto de detectar signos claros de vida. Los tres vuelos espaciales son misiones de exploración basadas en la tecnología de los instrumentos y la robótica, pero aún no ha sido la ventana orbital para la exploración humana de Marte. La adaptación de los sistemas de soporte vital y de salud a las condiciones espaciales de largas misiones de exploración, suponen un reto para las tecnologías aún no resuelto debido a la gran distancia para volver a la Tierra y la latencia de las comunicaciones con control de misión. Específicamente, todavía no se dispone de sistemas de ayuda a la decisión médica que permitan saber si una emergencia sanitaria supone un riesgo vital para la tripulación. En este proyecto hemos desarrollado sistemas de ayuda a la decisión médica que permitan predecir nuevos casos de condiciones médicas comunes en el espacio que, según la NASA, suponen riesgo vital para los tripulantes involucrados en una emergencia espacial. Para ello, partimos desde el conjunto de las cien condiciones médicas identificadas como de mayor probabilidad de cara a los viajes espaciales identificadas por los investigadores Elkin Romero y David Francisco. A su vez, contamos con una base de datos de más de 130.000 casos clínicos facilitada por el servicio de emergencias del 112 de la Comunidad Valenciana. Sin embargo, veinte de las citadas condiciones son realmente exiguas dentro del repositorio, por lo que hemos llevado a cabo un generador de pacientes virtuales que permita solventar dicho problema. Para lograrlo, ha sido necesario utilizar literatura médica de todas y cada una de las patologías identificadas. Asimismo, hemos evaluado la bondad de los modelos obtenidos para ambos conjuntos de pacientes de forma desagregada y conjunta, de forma que pudiéramos estudiar tanto el poder clasificador de nuestro sistema como la utilidad real de dichos pacientes virtuales y de los procedimientos empleados. Tras ello, hemos podido ver que la clasificación obtenida es realmente buena, siendo el valor F1 superior a 0,82 en los cinco modelos utilizados. No obstante, también hemos comprobado que algunas de las técnicas del procesamiento del lenguaje, como la «lemmatization» o la selección de términos en la matriz TF-IDF no suponen una mejora sustancial. Además, para facilitar la clasificación de los casos clínicos y la generación de pacientes virtuales hemos elaborado una página web que permita realizar ambas acciones con un simple «click», de forma que mediante cualquier navegador se puedan realizar pruebas sin la necesidad de acceder al código fuente original ni tener que realizar instalación alguna. Por último, el desarrollo del presente trabajo se realiza con la perspectiva de construir una primera aproximación a un sistema mucho más complejo y robusto que denominaremos MEDEA y que supondría un salto cualitativo en la seguridad de los astronautas de cara la venidera exploración espacial. es_ES
dc.description.abstract [EN] In early 2021 three spacecraft, the Hope Orbiter, Tianwen-1 and Perseverance, arrived at Mars in the hope of carrying out specific missions to study its atmosphere and surface, with the specific goal of detecting clear signs of life. All three spaceflights are exploration missions based on instrument technology and robotics, but it has not yet been the orbital window for human exploration of Mars. Adapting life support and health support systems to the space conditions of long exploration missions suppose a challenge for technologies not yet solved due to the long distance from Earth and the latency of communications with mission control. Specifically, medical decision support systems that would let us know if a health emergency supposes a life-threatening risk to the crew are not yet available. In this project, we have developed medical decision support systems that can predict new cases of common medical conditions in space that, according to NASA, are life-threatening to crewmembers involved in a space emergency. To do so, we started from the set of the one hundred medical conditions identified by researchers Elkin Romero and David Francisco as most likely to occur during space travel. In turn, we rely on a database of more than 130,000 clinical cases provided by the emergency service of 112 of the Valencian Community. However, twenty of the mentioned conditions are meager within the repository, so we have carried out a virtual patient generator to solve this problem. To achieve this, it has been necessary to use medical literature for each and every one of the pathologies identified. We have also evaluated the quality of the models obtained for both sets of patients in a disaggregated and joint way, so that we could study both the classifying power of our system and the real utility of these virtual patients and the procedures used. After this, we have been able to see that the classification obtained is really good, with the F1 value being higher than 0.82 in the five models used. However, we have also found that some of the language processing techniques, such as lemmatization or the selection of terms in the TFIDF matrix, do not represent a substantial improvement. In addition, to facilitate the classification of clinical cases and the generation of virtual patients, we have developed a web page that allows both actions to be performed with a simple "click", so that tests can be performed using any browser without the need to access the original source code or to perform any installation. Finally, the development of this work is carried out with the perspective of building a first approximation to a much more complex and robust system that we will call MEDEA and that would represent a qualitative leap in the safety of astronauts for the coming space exploration. es_ES
dc.description.abstract [CA] A principis de 2021 tres naus espacials, l'Hope Orbiter, el Tianwen-1 i el Perseverance, van arribar a Mart amb l'esperança de dur a terme missions específiques per a estudiar la seua atmosfera i la seua superfície, amb l'objectiu concret de detectar signes clars de vida. Els tres vols espacials són missions d'exploració basades en la tecnologia dels instruments i la robòtica, però encara no ha sigut la finestra orbital per a l'exploració humana de Mart. L'adaptació dels sistemes de suport vital i de salut a les condicions espacials de llargues missions d'exploració, suposen un repte per a les tecnologies encara no resolt a causa de la gran distància per a tornar a la Terra i la latència de les comunicacions amb control de missió. Específicament, encara no es disposa de sistemes d'ajuda a la decisió mèdica que permeten saber si una emergència sanitària suposa un risc vital per a la tripulació. En este projecte hem desenrotllat sistemes d'ajuda a la decisió mèdica que permeten predir nous casos de condicions mèdiques comunes en l'espai que, segons la NASA, suposen risc vital per als tripulants involucrats en una emergència espacial. Per a això, partim des del conjunt de les cent condicions mèdiques identificades com de major probabilitat de cara als viatges espacials identificades pels investigadors Elkin Romero i David Francisco. Al seu torn, comptem amb una base de dades de més de 130.000 casos clínics facilitada pel servici d'emergències del 112 de la Comunitat Valenciana. No obstant això, vint de les esmentades condicions són realment exigües dins del reposador, per la qual cosa hem dut a terme un generador de pacients virtuals que permeta resoldre el dit problema. Per a aconseguir-ho, ha sigut necessari utilitzar literatura mèdica de totes i cada una de les patologies identificades. Així mateix, hem avaluat la bondat dels models obtinguts per a ambdós conjunts de pacients de forma desagregada i conjunta, de manera que poguérem estudiar tant el poder classificador del nostre sistema com la utilitat real de dites pacients virtuals i dels procediments empleats. Després d'això, hem pogut veure que la classificació obtinguda és realment bona, sent el valor F1 superior a 0,82 en els cinc models utilitzats. No obstant això, també hem comprovat que algunes de les tècniques del processament del llenguatge, com la «lemmatization» o la selecció de termes en la matriu TF-IDF no suposen una millora substancial. A més, per a facilitar la classificació dels casos clínics i la generació de pacients virtuals hem elaborat una pàgina web que permeta realitzar ambdós accions amb un simple «click», de manera que per mitjà de qualsevol navegador es puguen realitzar proves sense la necessitat d'accedir al codi font original ni haver de realitzar cap instal·lació. Finalment, el desenrotllament del present treball es realitza amb la perspectiva de construir una primera aproximació a un sistema molt més complex i robust que denominarem MEDEA i que suposaria un salt qualitatiu en la seguretat dels astronautes de cara la venidora exploració espacial. es_ES
dc.format.extent 92 es_ES
dc.language Español es_ES
dc.publisher Universitat Politècnica de València es_ES
dc.rights Reconocimiento - No comercial - Sin obra derivada (by-nc-nd) es_ES
dc.subject Ayuda a la decisión médica es_ES
dc.subject Medicina espacial es_ES
dc.subject Emergencia médica es_ES
dc.subject Aprendizaje automático es_ES
dc.subject Medical decision support es_ES
dc.subject Space medicine es_ES
dc.subject Deep learning es_ES
dc.subject Adaptive machine learning es_ES
dc.subject.classification FISICA APLICADA es_ES
dc.subject.other Grado en Ingeniería Informática-Grau en Enginyeria Informàtica es_ES
dc.title Diseño de un clasificador adaptativo de emergencias en medicina espacial es_ES
dc.type Proyecto/Trabajo fin de carrera/grado es_ES
dc.rights.accessRights Abierto es_ES
dc.contributor.affiliation Universitat Politècnica de València. Departamento de Física Aplicada - Departament de Física Aplicada es_ES
dc.contributor.affiliation Universitat Politècnica de València. Escola Tècnica Superior d'Enginyeria Informàtica es_ES
dc.description.bibliographicCitation Garrido Sevilla, I. (2021). Diseño de un clasificador adaptativo de emergencias en medicina espacial. Universitat Politècnica de València. http://hdl.handle.net/10251/173830 es_ES
dc.description.accrualMethod TFGM es_ES
dc.relation.pasarela TFGM\137303 es_ES


This item appears in the following Collection(s)

Show simple item record