Aprendizaje automático para la detección temprana de la enfermedad de Parkinson

Maitane Martinez-Eguiluz, Olatz Arbelaitz, Ibai Gurrutxaga, Javier Muguerza, Iñigo Perona, Ane Murueta-Goyena, Iñigo Gabilondo

2021 - Actas de las XIX Conferencia de la Asociación Española para la Inteligencia Artificial CAEPIA 20/21

Presentación oral

Línea investigación:
Aprendizaje automático
Autores (p.o. de firma):
Maitane Martinez-Eguiluz, Olatz Arbelaitz, Ibai Gurrutxaga, Javier Muguerza, Iñigo Perona, Ane Murueta-Goyena, Iñigo Gabilondo
Descripción:

La enfermedad de Parkinson (EP) es el segundo trastorno neurodegenerativo más común del mundo. Por lo tanto, es importante detectarla de forma temprana. Los sı́ntomas caracterı́sticos de la EP son las alteraciones motoras, como el temblor involuntario en reposo, los movimiento lentos, rigidez muscular o problemas de equilibrio. A dı́a de hoy, el diagnóstico de EP se basa en estos sı́ntomas cardinales. Sin embargo, los pacientes con EP desarrollan manifestaciones no motoras que preceden a los sı́ntomas motores hasta 20 años. Entre los sı́ntomas no motores más comunes podemos encontrar la anosmia o olfacción alterada, trastorno del sueño REM, estreñimiento, depresión, trastornos cognitivos y otros. Por ello, existe un creciente interés en explorar la utilidad de los sı́ntomas no motores para el diagnóstico temprano de la EP. Este trabajo pretende contribuir al diagnóstico precoz de la EP basándose en datos no motores de 490 pacientes con EP Idiopática y 197 sujetos de control. Para ello, se ha utilizado una base de datos de un repositorio internacional (PPMI), del cual se han seleccionado variables no motoras. Se han generado 4 versiones de bases de datos con granularidad creciente que se emplearán para entrenar 5 clasificadores con algoritmos de aprendizaje automático (Naive Bayes, Support Vector Machine, Multi-Layer Perceptron, K-Nearest Neighbors y Random Forest). A través de estos algoritmos se detectó un conjunto de variables que permitı́an diferenciar pacientes de controles, lo que sugiere que se podrı́a realizar una detección temprana de la EP utilizando una versión reducida de las pruebas y los cuestionarios.

Año publicación:
2021
Página inicio:
818
Página fin:
823
ISBN - ISSN:
78-84-09-30514-8
Nombre publicación:
Actas de las XIX Conferencia de la Asociación Española para la Inteligencia Artificial CAEPIA 20/21
Nombre congreso:
XIX Conference of the Spanish Association for Artificial Intelligence, CAEPIA 2020/2021
Lugar celebración:
Málaga
País:
España
Fecha inicio:
2021-09-22
Fecha fin:
2021-09-24