Investigación sobre Cuidados de Demencia y Factores Psicosociales

Área de la Ciencia:

• Ingeniería Biomédica
• Inteligencia Artificial en Medicina
• Neurología

Sus antecedentes:

• Los pacientes con demencia tienen un alto riesgo de insuficiencia respiratoria, lo que puede provocar la muerte.
• La asistencia respiratoria continua es crucial para controlar el compromiso respiratorio en la demencia.
• Se necesita un sistema automatizado para mantener niveles óptimos de saturación de oxígeno en sangre (SaO2).

Objetivo del estudio:

• Desarrollar un sistema de soporte ventilatorio automático utilizando redes neuronales artificiales (RNA).
• Predecir y regular el oxígeno inspirado (FiO2) para pacientes con demencia y problemas respiratorios.
• Comparar las predicciones del modelo de RNA con las evaluaciones médicas.

Principales métodos:

• Se recopilaron datos de 325 pacientes con problemas respiratorios agudos, incluidos pacientes con demencia.
• Se utilizaron datos de pacientes en tiempo real (análisis de gases en sangre arterial, pulsioximetría, configuración del ventilador) en programación R para la identificación de parámetros.
• Se desarrolló un modelo de RNA en MATLAB para predecir FiO2, comparando su precisión con las predicciones médicas.

Principales resultados:

• El modelo de RNA entrenado logró un error cuadrático medio de 0.019907 y un valor R de 0.852.
• El modelo de RNA demostró una precisión del 86% cuando se probó en un conjunto de datos separado, superando las predicciones de los médicos.
• El rendimiento del modelo se optimizó ajustando el tamaño de la capa oculta para reducir el sobreajuste.

Conclusiones:

• La monitorización y el control continuos de la saturación de oxígeno son vitales para los pacientes con demencia propensos a enfermedades respiratorias.
• Un modelo de RNA desarrollado en MATLAB puede predecir eficazmente los niveles de oxígeno inspirado para el soporte vital.
• El modelo de RNA propuesto sirve como una valiosa herramienta de asistencia para los médicos, ofreciendo más del 80% de precisión en las predicciones de los niveles de oxígeno.