RT info:eu-repo/semantics/bachelorThesis
T1 Predicción del avance de la enfermedad de Parkinson mediante técnicas de Machine Learning
A1 Muñoz Nogales, Silvia
A2 Universidad de Valladolid. Escuela de Ingeniería Informática de Segovia
K1 Redes neuronales
K1 Parkinson
K1 Seq2Seq
K1 1203.17 Informática
K1 3205.07 Neurología
AB La predicción de la progresión de la enfermedad de Parkinson es un reto clave en el cruce entre medicina e inteligencia artificial. Este trabajo exploraarquitecturas Sequence-to-Sequence (Seq2Seq) con mecanismos de atención para anticipar la evolución de las puntuaciones clínicas UPDRS a partir dedatos longitudinales. Siguiendo la metodología CRISP-DM, se realizó un análisis exploratorio de datos clínicos y proteómicos, el diseño de un flujo depreprocesado y la implementación de modelos en PyTorch. Los resultados muestran que las arquitecturas Seq2Seq mejoran significativamente a una redneuronal de referencia, alcanzando un error SMAPE cercano al 75% frente a ≈110% de la baseline. Sin embargo, la incorporación directa de datosproteómicos no aportó mejoras consistentes, lo que resalta la necesidad de un preprocesado más sofisticado. El estudio confirma el potencial deSeq2Seq en este ámbito, aunque limitado por la calidad y cantidad de datos disponibles.
YR 2025
FD 2025
LK https://uvadoc.uva.es/handle/10324/79740
UL https://uvadoc.uva.es/handle/10324/79740
LA spa
DS UVaDOC
RD 26-nov-2025