Nagore Sagastibeltza Galarraga: "Nerbio-sistemaren aktibatzaileak identifikatzeko seinale fisiologikoen prozesamenduari aplikatutako Ikaskuntza Automatikoko teknikak"

Zuzendariak_Directores:  Ana Jesús Arruarte Lasa / Mikel Joseba Zorrilla Berasategui

22_05_2024, 17:30  Sala Ada Lovelace aretoa.

Abstract:

"En la actualidad, la concepción de la salud se ha expandido hacia el bienestar integral del paciente, reconociendo su alcance más allá de la mera ausencia de enfermedades, incluyendo aspectos físicos, mentales y sociales. Ante las cambiantes exigencias del sistema sanitario, la ingeniería y las ciencias de la computación están orientadas hacia el desarrollo de tecnologías que mejoren diagnósticos médicos y reduzcan costos en la detección de enfermedades, abarcando desde el desarrollo de medicamentos innovadores hasta programas de medicina preventiva. Para alcanzar estos objetivos, algunos grupos de investigación del ámbito de la computación fisiológica se dedican a crear sistemas informáticos que identifiquen patrones en las señales fisiológicas. El uso de estas aplicaciones y sistemas no solo va más allá del propio diagnóstico médico, sino que también son de utilidad para la identificación y detección de estados mentales y emocionales de las personas. De esta manera, queda patente la importancia de la colaboración interdisciplinaria entre los mundos de la medicina y la ingeniería, enfatizándose en la necesidad de buscar sinergias entre estas dos disciplinas para impulsar avances significativos a nivel social, clínico y tecnológico en el ámbito de la prevención, detección temprana y diagnóstico de enfermedades.

En este contexto, esta tesis aborda fundamentalmente dos líneas de investigación. La primera se enfoca en la detección de episodios de disreflexia autónoma en pacientes con lesiones medulares cervicales o dorsales altas. Tras una lesión medular, se observan cambios plásticos en los circuitos locales que regulan las neuronas simpáticas. El objetivo principal de esta línea es desarrollar un sistema basado en Aprendizaje Automático para abordar el desafío del diagnóstico inicial de la disreflexia autónoma en pacientes con lesiones medulares, de manera que se minimice la necesidad de usar métodos invasivos para dicho diagnóstico. Para cumplir este objetivo, se propone un sistema de clasificación jerárquica que divide el diagnóstico en dos niveles, utilizando únicamente características extraídas de manera no invasiva. En resumen, la contribución realizada en esta línea plantea la hipótesis de que es viable realizar el diagnóstico inicial de la enfermedad mediante sistemas basados en Machine Learning y características no invasivas.

Por otra parte, la segunda línea de investigación se centra en la detección automática de estados mentales. Esta línea parte de la premisa de que los cambios emocionales, especialmente en situaciones de estrés y relajación, afectan directamente al sistema nervioso autónomo de un individuo. El sistema nervioso autónomo tiene una sensibilidad tan grande que los cambios fisiológicos que se producen cuando una persona se relaja son diferentes dependiendo de si estos se dan dentro de una situación estresante o de carácter tranquilo. Siendo así, esta línea de investigación se centra específicamente en la detección e identificación automática de diferentes subestados emocionales dentro de un estado concreto: el de la relajación."