Algoritmo de control mediante RL para neuroestimuladores inteligentes

Abstract

El creciente avance de las tecnologías sanitarias ha supuesto la utilización de nuevos métodos de tratamiento para las enfermedades del sistema nervioso, como pueden ser el Parkinson o la epilepsia. Estos trastornos afectan gravemente a la calidad de vida de los pacientes, ya que producen de forma incremental temblores, rigidez muscular y dificultad para moverse. Con la finalidad de reducir estos síntomas, se ha desarrollado una técnica neuroquirúrgica llamada Estimulación cerebral profunda. Este método consiste en enviar, mediante unos electrodos implantados en el cerebro, pulsos eléctricos a las zonas causantes de los temblores y convulsiones, reduciendo así su frecuencia e intensidad a largo plazo. Sin embargo, en la actualidad, estos tratamientos no se adaptan de forma dinámica al estado del paciente, ya que los parámetros del dispositivo de control deben ser ajustados manualmente por los sanitarios. En este Trabajo de Fin de Grado se ha desarrollado un algoritmo de control, mediante inteligencia artificial y aprendizaje por refuerzo, que regula de forma automática los parámetros de frecuencia e intensidad de los pulsos eléctricos, adaptándose a la evolución del paciente y a las señales cerebrales enviadas en cada instante de tiempo.

The increasing progress in healthcare technologies has led to the use of new treatment methods for diseases of the nervous system, such as Parkinson’s disease and epilepsy. These disorders severely affect the quality of life of patients, as they cause incremental tremors, muscle stiffness and difficulty in moving. In order to reduce these symptoms, a neurosurgical technique called Deep Brain Stimulation has been developed. This method consists of sending, by means of electrodes implanted in the brain, electrical pulses to the areas causing tremors and convulsions, thus reducing their frequency and intensity in the long term. However, these treatments are not dynamically adapted to the patient’s condition, since the parameters of the control device must be manually adjusted by the health care professionals. In this Bachelor’s Thesis, a control algorithm has been developed using artificial intelligence and reinforcement learning, which automatically regulates the frequency and intensity parameters of the electrical pulses, adapting to the evolution of the patient and the brain signals sent at each instant of time.