Desarrollo de un algoritmo de no desgaste de biosensores de alcohol: aprendizaje automático basado en el laboratorio y despliegue basado en el campo | JoVE Visualize

Área de la Ciencia:

Ingeniería biomédica
Ciencia de los datos
Investigación sobre el alcohol

Sus antecedentes:

El monitoreo continuo del alcohol mediante biosensores usados en la muñeca es valioso, pero se ve desafiado por la eliminación del dispositivo, lo que lleva a datos inexactos.
Los métodos existentes, como los límites de temperatura, son insuficientes para detectar con precisión los períodos de no desgaste.
Los datos no dirigidos sobre el desgaste comprometen las observaciones sobre el consumo de alcohol y las predicciones de intoxicación.

Objetivo del estudio:

Desarrollar y validar un nuevo algoritmo para detectar con precisión los intervalos de no desgaste de los biosensores de alcohol usados en la muñeca.
Mejorar los métodos existentes basados en la temperatura para identificar el retiro del dispositivo.
Mejorar la fiabilidad de los datos de control continuo del alcohol para la investigación y las aplicaciones clínicas.

Principales métodos:

Se entrenó un algoritmo de bosque aleatorio utilizando datos de laboratorio, incorporando temperatura, movimiento y sus coeficientes cuadráticos de serie de tiempo.
El Estudio Uno (N=36) incluyó períodos controlados de no desgaste para generar datos de verdad sobre el terreno para el entrenamiento y la validación del algoritmo.
El estudio dos (N=114) implementó el algoritmo en un estudio de campo de cuatro semanas para evaluar la adherencia de los biosensores frente a los autoinformes.

Principales resultados:

El algoritmo demostró una alta sensibilidad (0,96) para detectar el no desgaste y una especificidad (0,99) para confirmar el desgaste en entornos de laboratorio.
Su rendimiento superó significativamente los límites de temperatura invariables (25-30°C) en la validación cruzada basada en dispositivos.
En el estudio de campo, el algoritmo detectó 1,6 horas de no desgaste diario por participante, mostrando una mejor concordancia con los autoinformes que los cortes de temperatura.

Conclusiones:

El algoritmo de bosque aleatorio desarrollado identifica con eficacia y precisión los períodos de no desgaste para los biosensores de alcohol usados en la muñeca.
Este método ofrece una mejora significativa con respecto a los enfoques tradicionales basados en la temperatura para evaluar la adherencia de los biosensores.
El algoritmo puede mejorar la precisión de la imputación de datos, lo que lleva a modelos más objetivos de resultados relacionados con el alcohol en la investigación.