Metodología de detección de anomalías en personas con esclerosis múltiple
-
1
Universidad del País Vasco/Euskal Herriko Unibertsitatea
info
Universidad del País Vasco/Euskal Herriko Unibertsitatea
Lejona, España
- Ramón Costa Castelló (coord.)
- Manuel Gil Ortega (coord.)
- Óscar Reinoso García (coord.)
- Luis Enrique Montano Gella (coord.)
- Carlos Vilas Fernández (coord.)
- Elisabet Estévez Estévez (coord.)
- Eduardo Rocón de Lima (coord.)
- David Muñoz de la Peña Sequedo (coord.)
- José Manuel Andújar Márquez (coord.)
- Luis Payá Castelló (coord.)
- Alejandro Mosteo Chagoyen (coord.)
- Raúl Marín Prades (coord.)
- Vanesa Loureiro-Vázquez (coord.)
- Pedro Jesús Cabrera Santana (coord.)
Editorial: Servizo de Publicacións ; Universidade da Coruña
ISBN: 9788497498609
Año de publicación: 2023
Páginas: 77-82
Congreso: Jornadas de Automática (44. 2023. Zaragoza)
Tipo: Aportación congreso
Resumen
Las terapias personalizadas han demostrado ser capaces de ralentizar la evolución de la esclerosis múltiple, mejorando así la calidad de vida de aquellas personas que la padecen. Sin embargo, en su diseño es fundamental conocer el estado funcional de cada paciente y detectar cuanto antes los cambios que ocurran en él. Dados los inconvenientes de las técnicas tradicionales de evaluación, estudios recientes han propuesto monitorizar la marcha de los pacientes, para así poder extraer indicadores relevantes y ayudar a los especialistas en dicha labor. En este estudio, se propone una metodología basada en técnicas de aprendizaje automático, cuyo objetivo es detectar los cambios en el estado funcional de las personas con esclerosis múltiple, partiendo de los datos que proporciona una contera sensorizada. Teniendo en cuenta la variabilidad que existe entre pacientes, el diseño propuesto se centra en un enfoque individualizado, que caracteriza el estado de cada individuo utilizando sus propios datos. La metodología propuesta ha sido validada en tres personas con esclerosis múltiple, obteniendo un porcentaje de aciertos medio del 88.9 %.