Estimación de tiempo de evolución de enfermedad cerebrovascular isquémica en paciente mediante aprendizaje automático en el Departamento de Radiología de la Fundación Valle de Lili

Los algoritmos de Machine Learning (ML) han impulsado aplicaciones en distintas áreas de investigación. En este trabajo, se evalúa modelos de ML para estimación del tiempo de evolución del Accidente cerebrovascular isquémico (ACVi) mediante caracterización radiómica de imágenes de Tomografía Computarizada (TC) y características clínicas. Estos registros se encuentran almacenados en el Sistema de Información Radiológica del departamento de Radiología de la Fundación Valle de Lili, y son adecuados para construir una base de datos con 2819 muestras obtenidas de los registros de 74 pacientes. La recolección de imágenes e información clínica del paciente se realizó de forma manual. Se organizaron características clínicas; de la evaluación realizada al paciente y radiómicas; extraidas de las imágenes de TC en un conjunto de datos. Se implementaron técnicas de clasificación para la estimación entre dos clases: clase 1; tiempo trascurrido desde el inicio del ACVi menor o igual a 4,5 horas y clase 2; mayor a 4,5 horas. El mejor clasificador fue Gradient Boosting con exactitud de 99,1%, precisión de 100%, sensibilidad de 98,3%, especificidad de 100%, puntaje F1 de 99,1% e índice kappa de 98,3%. Finalmente, se implementaron técnicas de regresión que buscan estimar el tiempo transcurrido en un rango definido por cada una de las clases. El mejor regresor para la clase 1 fue Bosque aleatorio con MAE de 5,735 y RMSE de 18,855, mientras que, para la clase 2, fue Árbol de decisión con MAE de 9,905 y RMSE de 90,961.

• Autores: Vallejo Padilla, Richard Hernán
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2022
• Institución: Universidad Autónoma de Occidente
• Repositorio: RED: Repositorio Educativo Digital UAO
• Idioma: spa
• OAI Identifier: oai:red.uao.edu.co:10614/14401
• Acceso en línea: https://hdl.handle.net/10614/14401; https://red.uao.edu.co/
• Palabra clave: Ingeniería Biomédica; Enfermedad cerebrovascular; Isquemia cerebral; Aprendizaje automático (Inteligencia artificial); Tomografía; Cerebrovascular disease; Cerebral ischemia; Machine learning; Tomography; Accidente cerebrovascular isquémico; Tomografía computarizada; Imágenes médicas; Radiómica
• Rights: openAccess
• License: Derechos reservados - Universidad Autónoma de Occidente, 2022