Innovating Works

PID2020-115468RB-I00

Financiado
DISEÑO DE MODELOS PREDICTIVOS AUTOMATICOS INTERPRETABLES EN LA APNEA DEL SUEÑO P...
DISEÑO DE MODELOS PREDICTIVOS AUTOMATICOS INTERPRETABLES EN LA APNEA DEL SUEÑO PEDIATRICA. APLICACION DE TECNICAS DE DEEP LEARNING E INTERPRETACION DE INTELIGENCIA ARTIFICIAL ANTECEDENTES, LA APNEA OBSTRUCTIVA DEL SUEÑO (AOS) PEDIATRICA ES UN TRASTORNO RESPIRATORIO DEL SUEÑO PREVALENTE Y MUY INFRADIAGNOSTICADO, LOS NIÑOS AFECTADOS PUEDEN SUFRIR PROBLEMAS DE DESARROLLO, NEUROCOGNITIVOS, CARDIOVASCULARES... ANTECEDENTES, LA APNEA OBSTRUCTIVA DEL SUEÑO (AOS) PEDIATRICA ES UN TRASTORNO RESPIRATORIO DEL SUEÑO PREVALENTE Y MUY INFRADIAGNOSTICADO, LOS NIÑOS AFECTADOS PUEDEN SUFRIR PROBLEMAS DE DESARROLLO, NEUROCOGNITIVOS, CARDIOVASCULARES Y METABOLICOS, LA POLISOMNOGRAFIA (PSG) ES EL METODO DE DIAGNOSTICO ESTANDAR, A PESAR DE SU EFECTIVIDAD, LA COMPLEJIDAD, BAJA DISPONIBILIDAD Y ELEVADO COSTE DIFICULTAN EL DIAGNOSTICO Y TRATAMIENTO TEMPRANOS, POR ELLO, SE DEMANDAN NUEVAS HERRAMIENTAS PARA ASISTIR A LOS MEDICOS EN LA GESTION DE LA ENFERMEDAD, LA INVESTIGACION SE HA CENTRADO EN LA AUTOMATIZACION DEL DIAGNOSTICO APLICANDO METODOS DE PROCESADO DE SEÑAL Y MACHINE LEARNING, RECIENTEMENTE, LOS METODOS DE DEEP LEARNING (DL) HAN SURGIDO COMO UN NUEVO ENFOQUE CAPAZ DE MEJORAR EL RENDIMIENTO DE LAS TECNICAS TRADICIONALES DE FEATURE-ENGINEERING, SIN EMBARGO: (I) LAS NUEVAS ARQUITECTURAS DE DL APENAS SE HAN APLICADO EN AOS INFANTIL Y (II) TODAVIA HAY MECANISMOS FISIOPATOLOGICOS IMPORTANTES OCULTOS EN LAS SEÑALES CARDIORRESPIRATORIAS,OBJETIVOS, EL OBJETIVO PRINCIPAL CONSISTE EN DISEÑAR, EVALUAR E INTERPRETAR EXHAUSTIVAMENTE UN SISTEMA DE AYUDA A LA TOMA DE DECISIONES DE ALTO RENDIMIENTO Y CONFIABLE BASADO EN DL PARA ASISTIR A LOS MEDICOS EN LA GESTION DE LA AOS PEDIATRICA EMPLEANDO SEÑALES CARDIORRESPIRATORIAS, COMO OBJETIVOS ESPECIFICOS SE PROPONEN: (I) DISEÑAR Y OPTIMIZAR MODELOS DE DIAGNOSTICO DE AOS PEDIATRICO BASADOS EN DL; (II) CREAR NUEVAS ARQUITECTURAS COMBINANDO DIFERENTES ENFOQUES DE DL; (III) DETECTAR NUEVOS PATRONES Y MECANISMOS FISIOLOGICOS INDICATIVOS DE LA ENFERMEDAD EMPLEANDO TECNICAS DE EXPLAINABLE ARTIFICIAL INTELLIGENCE (XAI); Y (IV) DESCUBRIR NUEVOS FENOTIPOS CAPACES DE EXPLICAR LAS DIFERENCIAS EN LA FISIOPATOLOGIA Y GRAVEDAD DE LA ENFERMEDAD,MATERIAL Y METODOS, SE ANALIZARAN 5830 ESTUDIOS DE SUEÑO PEDIATRICOS: (I) 4191 PROCEDENTES DE UN ESTUDIO INTERNACIONAL LIDERADO POR NUESTRO GRUPO Y (II) 1639 PROCEDENTES DE LA BASE DE DATOS PUBLICA CHILDHOOD ADENOTONSILLECTOMY TRIAL, CONJUNTAMENTE, AMBAS FORMAN EL MAYOR CONJUNTO DE DATOS EN ESTE CONTEXTO, LA METODOLOGIA CONSTA DE DOS ETAPAS PRINCIPALES: (I) MODELADO BASADO EN DL PARA EL DIAGNOSTICO DE LA AOS INFANTIL, INCLUYENDO CONVOLUTIONAL NEURAL NETWORKS (CNNS), RECURRENT NEURAL NETWORKS (RNNS), DEEP BELIEF NETWORKS (DBNS), TRANSFER LEARNING (TL), Y LA COMBINACION DE DIFERENTES ARQUITECTURAS DE DL; Y (II) APLICACION DE TECNICAS XAI PARA LA INTERPRETACION EXHAUSTIVA DE LOS MODELOS DE DL, INCLUYENDO LOCAL INTERPRETABLE MODEL-AGNOSTIC EXPLANATIONS (LIME), DEEP LEARNING IMPORTANT FEATURES (DEEPLIFT), SHAPLEY VALUES, O KERNEL SHAP, TODOS ELLOS BAJO EL ENFOQUE SHAPLEY ADDITIVE EXPLANATIONS (SHAP),RESULTADOS ESPERADOS, EL PRINCIPAL RESULTADO CONSISTIRA EN UN NUEVO SISTEMA DL DE AYUDA A LA DECISION PARA DIAGNOSTICAR AOS PEDIATRICO MEDIANTE EL PROCESADO DE SEÑALES BIOMEDICAS “CRUDAS”, EN SEGUNDO LUGAR, SE OBTENDRAN NUEVOS PATRONES CARDIORRESPIRATORIOS RELACIONADOS CON LOS EVENTOS DE APNEA Y NUEVOS FENOTIPOS DE AOS INFANTIL, COMBINADOS, AMBOS RESULTADOS PODRIAN DISMINUIR LAS LISTAS DE ESPERA DE DIAGNOSTICO Y TRATAMIENTO, MEJORANDO LA CALIDAD DE VIDA DE LOS PACIENTES Y DANDO LUGAR A UN ELEVADO IMPACTO SOCIAL, EL DESCENSO EN EL INFRADIAGNOSTICO GENERARIA UN IMPACTO ECONOMICO SIGNIFICATIVO AL REDUCIR EL CONSUMO DE RECURSOS MEDICOS, ADEMAS, LA NOVEDAD Y RELEVANCIA DE LOS RESULTADOS PERMITIRIA GENERAR PUBLICACIONES CIENTIFICAS DE ALTO IMPACTO E INCREMENTAR LAS POSIBILIDADES DE LAS PATENTES SOLICITADAS, APNEA DEL SUEÑO INFANTIL\DEEP LEARNING\EXPLAINABLE ARTIFICIAL INTELLIGENCE\SEÑALES CARDIORRESPIRATORIAS ver más
01/01/2020
UVA
302K€
Perfil tecnológico estimado

Línea de financiación: concedida

El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2020-01-01
Presupuesto El presupuesto total del proyecto asciende a 302K€
Líder del proyecto
UNIVERSIDAD DE VALLADOLID No se ha especificado una descripción o un objeto social para esta compañía.
Total investigadores 994