Correlación y predicción de señales de poligrafía nocturna

Abstract

Eneste trabajo de fn de grado se aborda el estudio del tratamiento de datos para la recomendación de diagnóstico del síndrome de la apnea de sueño, con el objetivo de intentar extraer conclusiones para simplifcar el diagnóstico de la enfermedad. El método referente para la detección de esta patología es la poligrafía nocturna, prueba en la que se registran simultáneamente múltiples señales del paciente como el fujo respiratorio, frecuencia cardiaca, nivel de saturación en sangre, movimientos corporales y el sonido mientras el paciente duerme, entre otras. La información para llevar a cabo el estudio ha sido proporcionada por el Hospital Fundación de Alcorcón, en particular se ha dispuesto de datos de la prueba de poligrafía nocturna domiciliaria de 55 pacientes. Un requisito previo para llevar a cabo el estudio ha sido el tratamiento de los datos anonimizados de cada uno de los pacientes a partir del registro hospitalario, el cual se puede monitorizar usando la herramienta Noxturnal. Tras un proceso de exportación a formato CSV, se ha utilizado el lenguaje de programación Python para llevar a cabo el estudio. El primer objetivo del trabajo ha sido la caracterización de señales de la poligrafía nocturna en términos de la correlación entre las principales señales que se registran en esta prueba, así como el estudio del retraso existente entre las mismas. La principal conclusión extraída de este estudio ha sido que las señales de pulso y saturación de oxígeno se encuentran muy correlacionadas, y no están retrasadas la una frente a la otra. Esto nos ha sido de utilidad a la hora de mejorar el modelo de aprendizaje para la predicción de la señal de saturación. El segundo objetivo del trabajo ha sido la predicción de la evolución de la señal de saturación. Dicha señal tiene una relevancia especial, ya que los episodios de apnea generalmente se encuentran acompañados de una desaturación. En este contexto, si somos capaces de predecir cuando un paciente va a sufrir una desaturación, podríamos alertar de un potencial episodio de apnea y tomar alguna medida preventiva. Para ello se han aplicado el algoritmo del perceptrón multicapa con una codifcación temporal, y la red neuronal recurrente LSTM. Los mejores resultados se han obtenido con la red LSTM, haciendo uso de las señales del pulso y la saturación para predecir la evolución de la saturación.