Desarrollo de algoritmos de Machine Learning para anestesia

Autor/a

Vilana García-Ovies, Ana

Abstract

En el presente trabajo se hace una primera introducción al mundo de la anestesia, a los parámetros que se tienen en cuenta para controlar el estado del paciente y al equipo técnico necesario para poder monitorizar todos los datos y poder hacer una supervisión continuada de todas las variables que influyen durante la sedación del paciente.
Es de suma importancia tener bajo control todos los parámetros, pero se va a prestar especial atención al patrón de Burst Suppression y al fenómeno de hipotensión, es decir, a la presencia de una presión arterial mucho más baja de lo normal. Aunque existen diversos factores que pueden afectar a la salud del paciente y como consecuencia, dificultar su proceso de recuperación, numerosos estudios indican que los dos mencionados previamente son la causa principal de que el paciente pueda sufrir complicaciones durante el postoperatorio. Es por ello por lo que la realización del proyecto se basa en estas dos variables de estudio.
Con el fin de mejorar el ámbito de la anestesia, se decide generar diversos modelos de predicción basados en algoritmos, que permiten determinar si un paciente va a presentar o no Burst Suppression y/o hipotensión. El resultado consiste en determinar cuál de los modelos es el óptimo para hacer dicha predicción, de tal forma, que el equipo médico sea capaz de anticiparse al problema, reaccionar ante él y reducir el riesgo de que el paciente sufriera posibles complicaciones en el postoperatorio.

 

Director/a

Fernández Esmerats, Joan

Estudios

IQS SE - Grado en Ingeniería en Tecnologías Industriales

Fecha

2021-02-26