Estandarización y automatización en el diagnóstico de pacientes con desórdenes de conciencia : aprendizaje automático aplicado a señales electrofisiológicas del cerebro y el cuerpo

Mostrar todas las versiones(3)

Avances en la medicina moderna han llevado a un incremento en el número de pacientes diagnosticados con desordenes de consciencia (DOC). En estas condiciones, los pacientes se encuentran despiertos, pero no muestran signos de entendimiento acerca de si mismos o el lugar donde se encuentran. Una eval...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Raimondo, Federico
Formato: Tesis Doctoral
Lenguaje:Inglés
Publicado: 2018
Acceso en línea:https://hdl.handle.net/20.500.12110/tesis_n6547_Raimondo
Aporte de:
Biblioteca Digital - Facultad de Ciencias Exactas y Naturales (UBA) de Universidad de Buenos Aires
id todo:tesis_n6547_Raimondo
record_format dspace
institution Universidad de Buenos Aires
institution_str I-28
repository_str R-134
collection Biblioteca Digital - Facultad de Ciencias Exactas y Naturales (UBA)
language Inglés
orig_language_str_mv Inglés
description Avances en la medicina moderna han llevado a un incremento en el número de pacientes diagnosticados con desordenes de consciencia (DOC). En estas condiciones, los pacientes se encuentran despiertos, pero no muestran signos de entendimiento acerca de si mismos o el lugar donde se encuentran. Una evaluación precisa de los pacientes tiene implicaciones medico-éticas y sociales, y es de suma importancia porque típicamente informa el pronóstico. Los diagnósticos erróneos, no obstante, es una gran preocupación en las clínicas debido a las limitaciones intrínsecas de las herramientas de diagnostico basados en comportamiento. Una tecnología accesible para asistir a los médicos es la electroencefalografía (EEG). In un estudio previo, introducimos el uso de marcadores extraídos de EEG en combinación con aprendizaje automático como una herramienta para el diagnostico de pacientes DOC. En este trabajo, desarrollamos una herramienta de análisis automatizado, y analizamos la aplicabilidad y limitaciones de este método. Adicionalmente, proponemos dos enfoques para incrementar la precision del diagnóstico: (1) el uso de múltiples modalidades de estimulación para incluir los correlatos neuronales de la integración multisensorial y (2) el análisis de las modulaciones de la actividad cardíaca mediadas por la conciencia. Nuestros resultados exceden el conocimiento actual en dos dimensiones. Clínicamente, encontramos que el método puede ser utilizada en contextos heterogéneos, confirmando la utilidad del aprendizaje automático como una herramientas para el diagnóstico clínico. Científicamente, nuestros resultados resaltan que las interacciones entre el cerebro y el cuerpo pueden ser el mecanismo fundamental para sostener la fusión de multiples sentidos en una única percepción, conduciendo a la emergencia de la consciencia. En conjunto, este trabajo ilustra la importancia del aprendizaje automático para la evaluación clínica individualizada, y crea un punto de partida para la inclusión de las funciones corporales en la cuantificación de los estados de conciencia globales
format Tesis Doctoral
author Raimondo, Federico
spellingShingle Raimondo, Federico
Estandarización y automatización en el diagnóstico de pacientes con desórdenes de conciencia : aprendizaje automático aplicado a señales electrofisiológicas del cerebro y el cuerpo
author_facet Raimondo, Federico
author_sort Raimondo, Federico
title Estandarización y automatización en el diagnóstico de pacientes con desórdenes de conciencia : aprendizaje automático aplicado a señales electrofisiológicas del cerebro y el cuerpo
title_short Estandarización y automatización en el diagnóstico de pacientes con desórdenes de conciencia : aprendizaje automático aplicado a señales electrofisiológicas del cerebro y el cuerpo
title_full Estandarización y automatización en el diagnóstico de pacientes con desórdenes de conciencia : aprendizaje automático aplicado a señales electrofisiológicas del cerebro y el cuerpo
title_fullStr Estandarización y automatización en el diagnóstico de pacientes con desórdenes de conciencia : aprendizaje automático aplicado a señales electrofisiológicas del cerebro y el cuerpo
title_full_unstemmed Estandarización y automatización en el diagnóstico de pacientes con desórdenes de conciencia : aprendizaje automático aplicado a señales electrofisiológicas del cerebro y el cuerpo
title_sort estandarización y automatización en el diagnóstico de pacientes con desórdenes de conciencia : aprendizaje automático aplicado a señales electrofisiológicas del cerebro y el cuerpo
publishDate 2018
url https://hdl.handle.net/20.500.12110/tesis_n6547_Raimondo
work_keys_str_mv AT raimondofederico estandarizacionyautomatizacioneneldiagnosticodepacientescondesordenesdeconcienciaaprendizajeautomaticoaplicadoasenaleselectrofisiologicasdelcerebroyelcuerpo
AT raimondofederico standardisationandautomatisationofthediagnosisofpatientswithdisordersofconsciousnessamachinelearningapproachappliedtoelectrophysiologicalbrainandbodysignals
_version_ 1782026819819536384
spelling todo:tesis_n6547_Raimondo2023-10-03T13:10:04Z Estandarización y automatización en el diagnóstico de pacientes con desórdenes de conciencia : aprendizaje automático aplicado a señales electrofisiológicas del cerebro y el cuerpo Standardisation and automatisation of the diagnosis of patients with disorders of consciousness: a machine learning approach applied to electrophysiological brain and body signals Raimondo, Federico Avances en la medicina moderna han llevado a un incremento en el número de pacientes diagnosticados con desordenes de consciencia (DOC). En estas condiciones, los pacientes se encuentran despiertos, pero no muestran signos de entendimiento acerca de si mismos o el lugar donde se encuentran. Una evaluación precisa de los pacientes tiene implicaciones medico-éticas y sociales, y es de suma importancia porque típicamente informa el pronóstico. Los diagnósticos erróneos, no obstante, es una gran preocupación en las clínicas debido a las limitaciones intrínsecas de las herramientas de diagnostico basados en comportamiento. Una tecnología accesible para asistir a los médicos es la electroencefalografía (EEG). In un estudio previo, introducimos el uso de marcadores extraídos de EEG en combinación con aprendizaje automático como una herramienta para el diagnostico de pacientes DOC. En este trabajo, desarrollamos una herramienta de análisis automatizado, y analizamos la aplicabilidad y limitaciones de este método. Adicionalmente, proponemos dos enfoques para incrementar la precision del diagnóstico: (1) el uso de múltiples modalidades de estimulación para incluir los correlatos neuronales de la integración multisensorial y (2) el análisis de las modulaciones de la actividad cardíaca mediadas por la conciencia. Nuestros resultados exceden el conocimiento actual en dos dimensiones. Clínicamente, encontramos que el método puede ser utilizada en contextos heterogéneos, confirmando la utilidad del aprendizaje automático como una herramientas para el diagnóstico clínico. Científicamente, nuestros resultados resaltan que las interacciones entre el cerebro y el cuerpo pueden ser el mecanismo fundamental para sostener la fusión de multiples sentidos en una única percepción, conduciendo a la emergencia de la consciencia. En conjunto, este trabajo ilustra la importancia del aprendizaje automático para la evaluación clínica individualizada, y crea un punto de partida para la inclusión de las funciones corporales en la cuantificación de los estados de conciencia globales Advances in modern medicine have led to an increase of patients diagnosed with disorders of consciousness (DOC). In these conditions, patients are awake, but without behavioural signs of awareness. An accurate evaluation of DOC patients has medicoethical and societal implications, and it is of crucial importance because it typically informs prognosis. Misdiagnosis of patients, however, is a major concern in clinics due to intrinsic limitations of behavioural tools. One accessible assisting methodology for clinicians is electroencephalography (EEG). In a previous study, we introduced the use of EEG-extracted markers and machine learning as a tool for the diagnosis of DOC patients. In this work, we developed an automated analysis tool, and analysed the applicability and limitations of this method. Additionally, we proposed two approaches to enhance the accuracy of this method: (1) the use of multiple stimulation modalities to include neural correlates of multisensory integration and (2) the analysis of consciousness-mediated modulations of cardiac activity. Our results exceed the current state of knowledge in two dimensions. Clinically, we found that the method can be used in heterogeneous contexts, confirming the utility of machine learning as an automated tool for clinical diagnosis. Scientifically, our results highlight that brain-body interactions might be the fundamental mechanism to support the fusion of multiple senses into a unique percept, leading to the emergence of consciousness. Taken together, this work illustrates the importance of machine learning to individualised clinical assessment, and paves the way for inclusion of bodily functions when quantifying global states of consciousness. Fil: Raimondo, Federico. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina. 2018 Tesis Doctoral PDF Inglés info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar https://hdl.handle.net/20.500.12110/tesis_n6547_Raimondo

Ejemplares similares