Monitoreo y análisis de variables fisiológicas con un enfoque hacia los dispositivos móviles

Abstract

RESUMEN: La enfermedad de Parkinson (PD) es un trastorno neurodegenerativo progresivo que se caracteriza por síntomas motores. Alrededor de 10 millones de personas en todo el mundo están viviendo con la enfermedad de Parkinson. Los síntomas pueden ser tratados con medicación o con estimulación cerebral profunda (DBS). Sin embargo, existen algunos problemas reconocidos en el diagnóstico y tratamiento de la enfermedad. Actualmente no existen pruebas de sangre o de laboratorio que diagnostiquen la enfermedad de Parkinson. Por ello, el diagnóstico se basa en la historia clínica y en un examen neurológico. Hay muchos síntomas y características de la enfermedad de Parkinson que pueden ser objetivamente medidos y controlados utilizando los sensores de los dispositivos móviles o smartphones. Con el uso de aplicaciones destinadas a la salud, los participantes pueden monitorear su estado de salud, sin la necesidad de visitar un hospital o un entorno de laboratorio En este trabajo se propone una metodología que permita monitorear los síntomas relacionados con la enfermedad de Parkinson, mediante la recopilación de datos por medio de un dispositivo móvil, con el propósito de evaluar la información obtenida utilizando técnicas de aprendizaje automático, para su interpretación por parte de un especialista médico. Esta metodología incluye el 1) El monitoreo de los síntomas de la enfermedad de Parkinson a través de la aplicación móvil, 2) Una etapa de preprocesamiento de la información donde se conjuntan dos diferentes fuentes de información así como técnicas de procesamiento digital de señales para la extracción de características. 3) Una etapa de clasificación utilizando técnicas de aprendizaje automático para la clasificación de participantes con diagnóstico de Enfermedad de Parkinson y sin diagnóstico y finalmente 4) Una etapa de evaluación del desempeño de los algoritmos de clasificación.

ABSTRACT: The Parkinson's disease (PD) is a progressive neurodegenerative disorder that is characterized by motor symptoms. These symptoms can be relieved with medication or with deep brain stimulation (DBS). More than 10 million people in the worldwide are living with the Parkinson's disease. However, there are well-recognized problems in the diagnostics and treatment of the PD. Nowadays, there are no blood or laboratory tests to diagnose the Parkinson's disease. Therefore, the diagnosis is based on the clinical history and a neurological examination. There are many symptoms and characteristics of the Parkinson's disease that can be objectively measured and controlled using the sensors of mobile devices or smartphones. Thus, with the use of applications aimed at health, participants can monitor their health status, without the need to visit a hospital or a specific laboratory environment. Therefore, this dissertation proposes a methodology that allows monitoring the symptoms related to the Parkinson's disease, through the data collection by means of a mobile device, with the purpose of evaluating information obtained from embedded sensor, using a set of automatic learning techniques, for its interpretation by a medical specialist. The proposed methodology includes the following stages: 1) The monitoring of the symptoms of the Parkinson's disease through the mobile application, 2) A preprocessing task of information where two different sources of information are combined as well as techniques of digital signal processing for feature-extraction. 3) A classification task by using machine learning approaches for classifying participants diagnosed with the Parkinson's disease and without diagnosis, and 4) A evaluation process with respect to the performance of the classification algorithms.