Análisis longitudinal de electroencefalogramas de pacientes esquizofrénicos mediante aprendizaje de máquinas

Abstract

La esquizofrenia corresponde a una enfermedad mental crónica que posee un fuerte efecto disruptivo en el círculo y calidad de vida de los pacientes. Son diversos los estudios que abordan la búsqueda de biomarcadores en registros encefalográficos (EEG), con los cuales se ha logrado discriminar entre pacientes esquizofrénicos y sujetos sanos. En esta tesis se propone discriminar entre registros EEG, de un mismo paciente, con respecto a la intensificación de su sintomatología. Se dispone de una base de datos pionera, conformada por registros EEG de 21 pacientes monitoreados regularmente; cada registro es acompañado de evaluaciones sintomatológicas. Se desarrolla una pipeline automatizada de preprocesamiento para limpiar los registros. Posteriormente, se analizan características extraídas manualmente, para identificar patrones en gráficas de dispersión y modelos preliminares. Se implementa un modelo de aprendizaje profundo que utiliza transferencia de aprendizaje, a partir de otra tarea relacionada a esquizofrenia, y logra obtener resultados relativamente efectivos. Se evalúa el modelo parcialmente, ya que la tarea debe ajustarse para cada paciente, y la cantidad de registros encefalográficos es reducida. Esta tesis entrega un primer acercamiento al monitoreo de la intensificación de los síntomas de pacientes con esquizofrenia analizando EEGs; esto se considera un buen baseline para futuros estudios.