Aprendizaje máquina para la ayuda de toma de decisiones en la gestión de una unidad de cuidados intensivos

e-Archivo Repository

Show simple item record

dc.contributor.advisor Parrado Hernández, Emilio
dc.contributor.author Toledo Navarro, David
dc.date.accessioned 2013-06-24T16:26:41Z
dc.date.available 2013-06-24T16:26:41Z
dc.date.issued 2013-03
dc.date.submitted 2013-03-21
dc.identifier.uri http://hdl.handle.net/10016/17203
dc.description.abstract En este proyecto se realiza un estudio experimental relativo a la aplicación de la máquina de vectores soporte (Support Vector Machine, SVM) para la predicción de la mortalidad de los pacientes en el servicio de la Unidad de Cuidados Intensivos (UCI), con el objetivo de estudiar si existe o no una clase definida para los pacientes que mueren en la UCI teniendo un factor predictivo de mortalidad, dado por el índice APACHE (Acute Physiology And Chronic Health Evaluation) II, bajo, determinando si los resultados obtenidos del estudio son significativos en el sentido de ayuda a la toma de decisiones respecto a los pacientes que mueren en el servicio de la UCI. En todas las terapias intensivas se utiliza este índice como marcador pronóstico al ingreso de los pacientes críticos, lo que permite estratificar la complejidad de los pacientes internados, observando, en base a los datos obtenidos, que existe una relación directamente proporcional entre el índice APACHE II y la mortalidad. Sin embargo, las circunstancias particulares de cada hospital (características demográficas de los pacientes, capacitación del personal, etc.) hacen que las predicciones efectuadas por el índice APACHE II no siempre se cumplan. Por otra parte, cada vez son más las patologías donde este índice es un marcador independiente de la mortalidad, como es en el caso de las pancreatitis. La máquina de vectores soporte, en su modalidad para clasificación (Support Vector Classifier, SVC), se utiliza para predecir a posteriori la mortalidad de cada uno de los pacientes de la UCI, es decir, saber si un paciente tiene una evolución favorable en el servicio de la UCI o, por el contrario, muere, comparando los resultados obtenidos mediante un procedimiento de mínimos cuadrados (Least Squares, LS) SVC y la descripción de datos por vectores soporte (Support Vector Data Description, SVDD), respecto al resultado que se puede obtener utilizando el índice APACHE II como estimador baseline (sistema de referencia). La máquina de vectores soporte tiene un modelo estado del arte no superado hasta el momento, SVC, que le confieren a priori ciertas ventajas respecto a otras técnicas empleadas, obteniendo, una vez que se han fijado adecuadamente los parámetros de la SVM, excelentes precisiones y buenas propiedades de generalización. Con el sistema LS-SVC propuesto se consiguen resultados competitivos respecto al resultado obtenido con el sistema de referencia basado en utilizar como salida blanda del clasificador el índice APACHE II. Finalmente, se proponen una serie de líneas futuras de investigación que son de especial interés. _______________________________________________________________________________________________________________________
dc.description.abstract This project is a pilot study on the application of Support Vector Machine (SVM) for prediction of mortality in patients in the service of the Intensive Care Unit (ICU), with the objective to study whether there is a class defined for patients dying in the ICU have a mortality predictor, given by the APACHE (Acute Physiology and Chronic Health Evaluation) II, low, determining whether the results of the study are significant in that helps decision making regarding patients dying in the ICU service. In all intensive therapies used this index as a prognostic marker admission of critically ill patients, allowing stratify the complexity of the patient population, observing, based on the data obtained, there is a direct relationship between the APACHE II and mortality. However, the particular circumstances of each hospital (demographic characteristics of patients, staff training, etc.) make the predictions made by the APACHE II is not always met. Moreover, an increasing pathology, this index is an independent predictor of mortality, as in the case of pancreatitis. The support vector machine, as it applies to classification (Support Vector Classifier, SVC), is used to predict subsequent mortality in each ICU patients, whether a patient has a favorable trend in the ICU service or, conversely, dies, comparing results obtained using a Least Squares (LS) SVC method and the Support Vector Data Description (SVDD), regards the result to can be obtained using the APACHE II and baseline estimator (reference system). The support vector machine is a model state of the art so far not exceeded, SVC, giving it a priori certain advantages over other techniques used, obtaining, once they have set the parameters appropriately SVM, excellent precision and good generalization properties. With the proposed LS-SVC achieve competitive results compared to the results obtained with the reference system based on soft output used as the classifier the APACHE II. Finally, we outline some future lines of research that are of special interest.
dc.format.mimetype application/pdf
dc.language.iso spa
dc.rights Atribución-NoComercial-SinDerivadas 3.0 España
dc.rights.uri http://creativecommons.org/licenses/by-nc-nd/3.0/es/
dc.subject.other Inteligencia artificial
dc.subject.other Máquina de vectores soporte
dc.subject.other Mortalidad
dc.subject.other Unidad de Cuidados Intensivos
dc.subject.other Toma de decisiones
dc.title Aprendizaje máquina para la ayuda de toma de decisiones en la gestión de una unidad de cuidados intensivos
dc.type masterThesis
dc.subject.eciencia Telecomunicaciones
dc.rights.accessRights openAccess
dc.description.degree Ingeniería de Telecomunicación
dc.contributor.departamento Universidad Carlos III de Madrid. Departamento de Teoría de la Señal y Comunicaciones
 Find Full text

Files in this item

*Click on file's image for preview. (Embargoed files's preview is not supported)


The following license files are associated with this item:

This item appears in the following Collection(s)

Show simple item record