Desarrollo de algoritmos de Machine Learning para anestesia

Autor/a

Vilana García-Ovies, Ana

Abstract

En el present treball es fa una primera introducció al món de l'anestèsia, als paràmetres que es tenen en compte per controlar l'estat del pacient i a l'equip tècnic necessari per poder monitoritzar totes les dades i poder fer una supervisió continuada de totes les variables que influeixen durant la sedació del pacient.
És molt important tenir sota control tots els paràmetres, però es para especial atenció al patró de Burst Suppression i al fenomen d'hipotensió, és a dir, a la presència d'una pressió arterial molt més baixa de la normal. Encara que hi ha diversos factors que poden afectar la salut del pacient i com a conseqüència, dificultar el seu procés de recuperació, nombrosos estudis indiquen que els dos esmentats prèviament són la causa principal que el pacient pugui patir complicacions durant el postoperatori. És per això, que la realització del projecte es basa en aquestes dues variables d'estudi.
Per tal de millorar l'àmbit de l'anestèsia, es decideix generar diversos models de predicció basats en algoritmes, que permeten determinar si un pacient presentarà o no Burst Suppression i / o hipotensió. El resultat consisteix en determinar quin dels models és el més òptim per fer aquesta predicció, de tal forma, que l'equip mèdic seria capaç d'anticipar-se el problema, reaccionar i per tant, reduir el risc que el pacient patís possibles complicacions en el postoperatori.

 

Director/a

Fernández Esmerats, Joan

Estudis

IQS SE - Grau en Enginyeria en Tecnologies Industrials

Data

2021-02-26