Estudio de la influencia del autoencoder en el problema de diagnóstico de la enfermedad de Alzheimer a partir de datos tabulares.

Facorro Loscos, Alejandro
Hernández Giménez, Mónica (dir.) ; Mayordomo Cámara, Elvira (dir.)

Universidad de Zaragoza, EINA, 2024
Departamento de Informática e Ingeniería de Sistemas, Área de Lenguajes y Sistemas Informáticos

Graduado en Ingeniería Informática

Resumen: La enfermedad de Alzheimer es la forma más común de demencia, siendo responsable de entre el 60 % y el 80 % de los casos de demencia. Según la Organización Mundial de la Salud, aproximadamente 60 millones de personas a nivel global padecen Alzheimer, siendo el 8.1 % mujeres y el 5.4 % hombres mayores de 65 años. En la actualidad, la demencia es una de las principales causas de discapacidad y dependencia entre las personas de edad en el mundo entero y la séptima causa de muerte. Cuando se realiza el diagnóstico de un posible paciente de Alzheimer hay que seguir un proceso divido en varias etapas: la primera de ellas se basa en la detección de la enfermedad mediante la observación del paciente y los historiales médicos del mismo. Tras esto se realiza una serie de pruebas como: análisis de sangre o evaluaciones cognitivas, Positron Emission Tomography (PET) y Fluorodeoxyglucose PET (FDG-PET), que buscan evaluar al paciente y establecer el estado de la enfermedad. La última etapa está compuesta por un análisis de los niveles de proteínas del líquido cefalorraquídeo o una detección de la proteína beta amiloide en el cerebro, es en estas pruebas donde se diagnostica el Alzheimer con mayor certeza. Este conjunto de fases ayudan al experto clínico a detectar si el paciente padece de Alzheimer pero no indican la etapa en la cual está, por lo cual es necesario la creación de nuevas medidas para una detección temprana y así poder tratar la enfermedad en fases intermedias. Esto nos lleva a los modelos de aprendizaje, ya que estos se basan en la búsqueda de pequeños patrones o información relevante de un conjunto de datos, estos modelos se usan como modelos de ayuda del diagnóstico, por ende, con la combinación de estos modelos y el conocimiento de un médico experto se puede tener una mayor precisión y rapidez a la hora de predecir el diagnóstico del paciente. El objetivo de este trabajo se basa en el estudio de un modelo basado en autoencoder, siendo utilizado para el problema de diagnostico de enfermedades mediante la reducción de la dimensionalidad del conjunto de datos tabulares así como modelo de apoyo a los modelos de aprendizaje tradicional en la predicción de la enfermedad de Alzheimer. Se realiza una predicción entre los casos Cognitive Normal (CN)/ Mild Cognitive Impairment (MCI) / Alzheimer’s Disease (AD) y dentro de los pacientes diagnosticados con MCI, se predice entre los casos stable Mild Cognitive Impairment (sMCI) / progressive Mild Cognitive Impairment (pMCI).

Tipo de Trabajo Académico: Trabajo Fin de Grado