Conclusiones del Paquete de Trabajo sobre Insuficiencia Cardíaca e Ictus (2)
Conclusiones del Paquete de Trabajo sobre Insuficiencia Cardíaca e Ictus (2)
ai4HealthyAging
Título:
Sistema de alerta temprana para la insuficiencia cardíaca e ictus.
Socios:
Capgemini, Inntegra y el Hospital Los Madroños.
Reto inicial:
El objetivo principal del proyecto fue desarrollar herramientas basadas en inteligencia artificial para el monitoreo continuo y personalizado de pacientes con insuficiencia cardíaca e ictus. Estas herramientas debían permitir la detección temprana de complicaciones y facilitar la toma de decisiones clínicas basadas en datos obtenidos de dispositivos portátiles.
Potenciales beneficiarios:
El proyecto está dirigido a pacientes con insuficiencia cardíaca e ictus, especialmente aquellos de edad avanzada o con movilidad reducida. Además, proporciona una herramienta de apoyo a médicos y especialistas al ofrecer métricas clínicas personalizadas y modelos predictivos avanzados.
Tecnologías empleadas:
Se utilizaron dispositivos, como sensores IMU y ECG, para recopilar datos biométricos. Las técnicas de inteligencia artificial incluyeron machine learning, inferencia causal, análisis de wavelets y reducción de dimensionalidad.
Beneficios obtenidos o potenciales de la aplicación:
El proyecto permite realizar diagnósticos tempranos basados en datos en tiempo real, mejorando la calidad de vida de los pacientes al personalizar los tratamientos y optimizar la rehabilitación. Las herramientas desarrolladas proporcionan un monitoreo continuo, reduciendo la carga para los sistemas de salud y asegurando decisiones clínicas más precisas, fomentando además la confianza de los profesionales médicos mediante explicaciones claras de los modelos predictivos.
Descripción del desarrollo:
La primera fase consistió en la selección y análisis de las fuentes de datos más relevantes para los casos de insuficiencia cardíaca e ictus, lo que incluyó variables sociodemográficas, clínicas y específicas para cada condición. Se elaboraron protocolos clínicos detallados para orientar la recolección y procesamiento de datos a través de dispositivos portátiles.
En la segunda fase, los datos fueron preprocesados mediante técnicas avanzadas que incluyeron limpieza, normalización y reducción de dimensionalidad, garantizando la consistencia y utilidad para análisis predictivos. Se diseñaron y entrenaron modelos de inteligencia artificial capaces de estimar el progreso de los pacientes en tratamientos y terapias. Para ictus, los algoritmos analizaron tareas de alcance («reaching») usando datos de sensores IMU, identificando patrones erráticos que indican el nivel de recuperación motora. Para insuficiencia cardíaca, los modelos analizaron datos de ECG utilizando transformaciones wavelet, proporcionando métricas objetivas sobre la recuperación clínica.
En la etapa final, los modelos se validaron a través de experimentos exhaustivos que incluyeron pruebas funcionales y clínicas en colaboración con el Hospital Los Madroños.
