Métodos de machine learning para el apoyo al diagnóstico de supervivencia de pacientes con sepsis basadas en datos clínicos y zimografias

Abstract

El grupo Mediadores Inflamatorios y Enfermedad (M.I.N.E.N) de la Universidad Autónoma de Bucaramanga investiga la inmunología de la sepsis y otras enfermedades infecciosas. M.I.N.E.N recolectó datos clínicos desde enero del 2010 hasta diciembre del 2012 en el marco del proyecto G-Sepsis con el estudio del Valor Pronóstico de Marcadores Serológicos, Genéticos y Ecocardiográficos para Mortalidad en Pacientes Sépticos. Estos datos fueron organizados y almacenados por el sistema de información SIPPAM G-SEPSIS realizado por estudiantes de la Universidad Industrial de Santander en el 2012. Los datos resultantes de la investigación se pre-procesaron y a partir de estos se entrenaron clasificadores usando técnicas de machine learning para predecir el grado de severidad de la enfermedad y la mortalidad en pacientes, estos métodos constituyen un avance para el soporte al diagnóstico de enfermedades infecciosas como la sepsis. A la vez se implementó un programa para la extracción automática de características de la imagen que indica la presencia de enzimas comunes en pacientes con la patología y se incluyó dentro de la base de datos de entrada de los clasificadores para concluir si la imagen contribuye a la mejora de la precisión de los clasificadores. Los clasificadores pueden ser usados y puestos a prueba por los profesionales de la salud a través de una web app.