RT info:eu-repo/semantics/bachelorThesis
T1 Predicción de la mortalidad en pacientes con hemorragia subaracnoidea mediante el uso de un algoritmo de inteligencia artificial basado en redes neuronales y en el TC inicial
A1 Agudo Caballero, Silvia
A2 Universidad de Valladolid. Facultad de Medicina
K1 Inteligencia artificial
K1 Neurología
K1 Hemorragia subaracnoidea
K1 Inteligencia artificial
K1 Redes neuronales
K1 Mortalidad
K1 Pronóstico
K1 3205.07 Neurología
AB La hemorragia subaracnoidea (HSA) conlleva altas tasas de morbimortalidad. Se han identificado varios factores de riesgo como estimadores de mortalidad y resultados funcionales; sin embargo, las predicciones son imprecisas y, en ocasiones, difíciles de establecer de forma precoz. Los algoritmos de inteligencia artificial (IA) permiten manejar datos complejos y de gran dimensión. Dentro de la IA, las redes neuronales (NN), una técnica de aprendizaje automatizado que es capaz de generar predicciones muy precisas a partir de datos de imágenes. El objetivo de este trabajo es predecir la mortalidad en una cohorte consecutiva de pacientes con HSA mediante el procesamiento de la tomografía computarizada inicial en un algoritmo basado en redes neuronales. Se ha realizado un estudio multicéntrico de una cohorte retrospectiva consecutiva de pacientes con HSA entre 2011 y 2022. Se analizaron variables demográficas, clínicas y radiológicas. Las imágenes de tomografía computarizada iniciales se preprocesaron y se usaron como entrada para entrenar una NN cuya arquitectura se basa en DenseNet-121. La variable resultado fue la mortalidad en los tres primeros meses. Las cohortes de entrenamiento, validación y test se obtuvieron mediante una división aleatoria del conjunto de datos inicial. Se procesaron imágenes de 219 pacientes, 175 para entrenamiento y validación de la NN y 44 para su evaluación. El 52,5% de los pacientes eran mujeres y la mediana de edad fue de 57,9 años. El 18,5% fueron HSA idiopáticas. La mediana de WFNS al ingreso fue de 2 y la mortalidad fue del 28,5%. El modelo mostró un gran rendimiento en la predicción de muerte en pacientes con HSA utilizando exclusivamente las imágenes de la tomografía computarizada inicial (Accuracy = 74%, F1 = 72% y AUC = 82%). La conclusión a la que se llegó es que las modernas técnicas de procesamiento de imágenes basadas en inteligencia artificial y redes neuronales hacen posible predecir la mortalidad en pacientes con HSA con alta precisión utilizando imágenes de TC como única entrada. Estos modelos pueden optimizarse al incluir más datos y pacientes, lo que resulta en una mejor capacitación, desarrollo y rendimie.
YR 2023
FD 2023
LK https://uvadoc.uva.es/handle/10324/60202
UL https://uvadoc.uva.es/handle/10324/60202
LA spa
DS UVaDOC
RD 16-ago-2024