Aplicación del aprendizaje automático para predecir la recuperación de pacientes con desórdenes prolongados de conciencia: reporte preliminar

Autores
Márquez, Fernando; Grinberg, Matías; Rivas, María Elisa; Jarmoluk, Verónica; Bonamico, Lucas; Ron, Melania; Russo, María Julieta; Olmos, Lisandro
Año de publicación
2020
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Comprender el pronóstico a largo plazo y predecir la recuperación de pacientes con Desórdenes Prolongados de Conciencia (DPC) continúa siendo un desafío en la actualidad. Nos proponemos explorar la viabilidad del uso de la tecnología de Aprendizaje Automático (AA) para predecir la recuperación de la conciencia en pacientes con DPC que participaron de un programa de neurorehabilitación. Se incluyeron 90 pacientes de los cuales el 26% (23/90) recuperaron la conciencia. Con 63 pacientes se entrenaron 7 tipos de modelos de AA observándose mejores desempeños al incluir variables recolectadas en el seguimiento. En la validación con el conjunto de test (n=27) la red neuronal entrenada con 37 variables logró la mejor exactitud balanceada (EB): 0.95 (Área Bajo la Curva: 0.96, Sensibilidad: 100%, Especificidad: 90%). Con la tecnología del aprendizaje automático fue posible predecir con alta exactitud, sensibilidad y especificidad la recuperación de la conciencia de pacientes con DPC incluyendo variables recolectadas durante el primer mes de internación. A pesar de las limitaciones dadas por la pequeña cantidad de pacientes, el enfoque demostró resultados iniciales prometedores que ameritan mayor investigación.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
Aprendizaje Automático
Desórdenes prolongados de conciencia
Neurorehabilitación
Redes neuronales
Ciencia de datos
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/3.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/115879
Acceder
id SEDICI_5fa362256014ad677b0059b2b23a311f
oai_identifier_str oai:sedici.unlp.edu.ar:10915/115879
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Aplicación del aprendizaje automático para predecir la recuperación de pacientes con desórdenes prolongados de conciencia: reporte preliminarMárquez, FernandoGrinberg, MatíasRivas, María ElisaJarmoluk, VerónicaBonamico, LucasRon, MelaniaRusso, María JulietaOlmos, LisandroCiencias InformáticasAprendizaje AutomáticoDesórdenes prolongados de concienciaNeurorehabilitaciónRedes neuronalesCiencia de datosComprender el pronóstico a largo plazo y predecir la recuperación de pacientes con Desórdenes Prolongados de Conciencia (DPC) continúa siendo un desafío en la actualidad. Nos proponemos explorar la viabilidad del uso de la tecnología de Aprendizaje Automático (AA) para predecir la recuperación de la conciencia en pacientes con DPC que participaron de un programa de neurorehabilitación. Se incluyeron 90 pacientes de los cuales el 26% (23/90) recuperaron la conciencia. Con 63 pacientes se entrenaron 7 tipos de modelos de AA observándose mejores desempeños al incluir variables recolectadas en el seguimiento. En la validación con el conjunto de test (n=27) la red neuronal entrenada con 37 variables logró la mejor exactitud balanceada (EB): 0.95 (Área Bajo la Curva: 0.96, Sensibilidad: 100%, Especificidad: 90%). Con la tecnología del aprendizaje automático fue posible predecir con alta exactitud, sensibilidad y especificidad la recuperación de la conciencia de pacientes con DPC incluyendo variables recolectadas durante el primer mes de internación. A pesar de las limitaciones dadas por la pequeña cantidad de pacientes, el enfoque demostró resultados iniciales prometedores que ameritan mayor investigación.Sociedad Argentina de Informática e Investigación Operativa2020-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf228-247http://sedici.unlp.edu.ar/handle/10915/115879spainfo:eu-repo/semantics/altIdentifier/url/http://49jaiio.sadio.org.ar/pdfs/cais/CAIS%2022.pdfinfo:eu-repo/semantics/altIdentifier/issn/2451-7607info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/3.0/Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported (CC BY-NC-SA 3.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-22T17:07:57Zoai:sedici.unlp.edu.ar:10915/115879Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-22 17:07:57.496SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Aplicación del aprendizaje automático para predecir la recuperación de pacientes con desórdenes prolongados de conciencia: reporte preliminar
title Aplicación del aprendizaje automático para predecir la recuperación de pacientes con desórdenes prolongados de conciencia: reporte preliminar
spellingShingle Aplicación del aprendizaje automático para predecir la recuperación de pacientes con desórdenes prolongados de conciencia: reporte preliminar
Márquez, Fernando
Ciencias Informáticas
Aprendizaje Automático
Desórdenes prolongados de conciencia
Neurorehabilitación
Redes neuronales
Ciencia de datos
title_short Aplicación del aprendizaje automático para predecir la recuperación de pacientes con desórdenes prolongados de conciencia: reporte preliminar
title_full Aplicación del aprendizaje automático para predecir la recuperación de pacientes con desórdenes prolongados de conciencia: reporte preliminar
title_fullStr Aplicación del aprendizaje automático para predecir la recuperación de pacientes con desórdenes prolongados de conciencia: reporte preliminar
title_full_unstemmed Aplicación del aprendizaje automático para predecir la recuperación de pacientes con desórdenes prolongados de conciencia: reporte preliminar
title_sort Aplicación del aprendizaje automático para predecir la recuperación de pacientes con desórdenes prolongados de conciencia: reporte preliminar
dc.creator.none.fl_str_mv Márquez, Fernando
Grinberg, Matías
Rivas, María Elisa
Jarmoluk, Verónica
Bonamico, Lucas
Ron, Melania
Russo, María Julieta
Olmos, Lisandro
author Márquez, Fernando
author_facet Márquez, Fernando
Grinberg, Matías
Rivas, María Elisa
Jarmoluk, Verónica
Bonamico, Lucas
Ron, Melania
Russo, María Julieta
Olmos, Lisandro
author_role author
author2 Grinberg, Matías
Rivas, María Elisa
Jarmoluk, Verónica
Bonamico, Lucas
Ron, Melania
Russo, María Julieta
Olmos, Lisandro
author2_role author
author
author
author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Aprendizaje Automático
Desórdenes prolongados de conciencia
Neurorehabilitación
Redes neuronales
Ciencia de datos
topic Ciencias Informáticas
Aprendizaje Automático
Desórdenes prolongados de conciencia
Neurorehabilitación
Redes neuronales
Ciencia de datos
dc.description.none.fl_txt_mv Comprender el pronóstico a largo plazo y predecir la recuperación de pacientes con Desórdenes Prolongados de Conciencia (DPC) continúa siendo un desafío en la actualidad. Nos proponemos explorar la viabilidad del uso de la tecnología de Aprendizaje Automático (AA) para predecir la recuperación de la conciencia en pacientes con DPC que participaron de un programa de neurorehabilitación. Se incluyeron 90 pacientes de los cuales el 26% (23/90) recuperaron la conciencia. Con 63 pacientes se entrenaron 7 tipos de modelos de AA observándose mejores desempeños al incluir variables recolectadas en el seguimiento. En la validación con el conjunto de test (n=27) la red neuronal entrenada con 37 variables logró la mejor exactitud balanceada (EB): 0.95 (Área Bajo la Curva: 0.96, Sensibilidad: 100%, Especificidad: 90%). Con la tecnología del aprendizaje automático fue posible predecir con alta exactitud, sensibilidad y especificidad la recuperación de la conciencia de pacientes con DPC incluyendo variables recolectadas durante el primer mes de internación. A pesar de las limitaciones dadas por la pequeña cantidad de pacientes, el enfoque demostró resultados iniciales prometedores que ameritan mayor investigación.
Sociedad Argentina de Informática e Investigación Operativa
description Comprender el pronóstico a largo plazo y predecir la recuperación de pacientes con Desórdenes Prolongados de Conciencia (DPC) continúa siendo un desafío en la actualidad. Nos proponemos explorar la viabilidad del uso de la tecnología de Aprendizaje Automático (AA) para predecir la recuperación de la conciencia en pacientes con DPC que participaron de un programa de neurorehabilitación. Se incluyeron 90 pacientes de los cuales el 26% (23/90) recuperaron la conciencia. Con 63 pacientes se entrenaron 7 tipos de modelos de AA observándose mejores desempeños al incluir variables recolectadas en el seguimiento. En la validación con el conjunto de test (n=27) la red neuronal entrenada con 37 variables logró la mejor exactitud balanceada (EB): 0.95 (Área Bajo la Curva: 0.96, Sensibilidad: 100%, Especificidad: 90%). Con la tecnología del aprendizaje automático fue posible predecir con alta exactitud, sensibilidad y especificidad la recuperación de la conciencia de pacientes con DPC incluyendo variables recolectadas durante el primer mes de internación. A pesar de las limitaciones dadas por la pequeña cantidad de pacientes, el enfoque demostró resultados iniciales prometedores que ameritan mayor investigación.
publishDate 2020
dc.date.none.fl_str_mv 2020-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/115879
url http://sedici.unlp.edu.ar/handle/10915/115879
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://49jaiio.sadio.org.ar/pdfs/cais/CAIS%2022.pdf
info:eu-repo/semantics/altIdentifier/issn/2451-7607
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/3.0/
Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported (CC BY-NC-SA 3.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/3.0/
Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported (CC BY-NC-SA 3.0)
dc.format.none.fl_str_mv application/pdf
228-247
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1846783389689970688
score 12.982451

Publicaciones similares