Estrategia computacional para la predicción del tratamiento de pacientes con accidente cerebrovascular isquémico usando hallazgos radiológicos y variables clínicas

Simple item page
dc.contributor.advisorMartínez Carrillo, Fabio
dc.contributor.advisorMoreno Tarazona, Alejandra
dc.contributor.advisorGómez Hernández, Santiago
dc.contributor.authorRodriguez Cala, Laura
dc.contributor.evaluatorGalvis Carreño, Laura Viviana
dc.contributor.evaluatorBautista Rozo, Lola Xiomara
dc.date.accessioned2025-05-26T22:13:57Z
dc.date.available2025-05-26T22:13:57Z
dc.date.created2025-05-24
dc.date.issued2025-05-24
dc.description.abstractEl accidente cerebrovascular es la segunda causa de mortalidad y la tercera causa de discapacidad en todo el mundo. La atención inmediata y la planificación del tratamiento son claves para un pronóstico favorable del paciente. Según las guías clínicas, el tratamiento se define a partir de variables como la localización del territorio arterial afectado, el volumen de la lesión, las comorbilidades y la afectación neurológica. Sin embargo, tal definición y planificación dependen de la revisión completa y de la correlación compleja de variables por parte de los expertos, lo cual es subjetivo y repercute en la planificación efectiva del tratamiento. En este trabajo de investigación se desarrolló una estrategia multimodal que tiene la capacidad de codificar variables clínicas, así como también patrones imagenológicos de la lesión. En cuanto a las variables clínicas, se aprendió un diccionario para dar una codificación embebida de estas variables. En otra rama de procesamiento, la región de interés fue codificada a través de una arquitectura transformer, para obtener un embebido de la representación visual. Seguidamente, tanto el embebido de texto como el embebido visual son concatenados y ajustados para determinar la clasificación del tratamiento. En un estudio con 156 pacientes y tres posibles tratamientos (trombólisis farmacológica, trombectomía mecánica o tratamiento conservador), el enfoque multiclase propuesto alcanzó un F1 promedio de 54.1% y una exactitud de 55.8%, brindando una herramienta prometedora para la definición del tratamiento.
dc.description.abstractenglishStroke is the second leading cause of death and the third leading cause of disability worldwide. Immediate attention and treatment planning are key for favorable output patient prognosis. According to clinical guides, the treatment is defined from variables such as the affected territorial artery localization, the lesion volume, the comorbidities, and the neurological affections. Nonetheless, such definition and planning rely on the comprehensive review and complex correlation of variables by experts, which is subjective and impacts the effective planning of treatment. In this research work, a multimodal strategy was developed with the capability of encoding clinical variables as well as imaging patterns of the lesion. Regarding clinical variables, a dictionary was learned to provide an embedded encoding of these variables. In another processing branch, the region of interest was encoded through a transformer architecture to obtain an embedding of the visual representation. Then, both the text embedding and the visual embedding are concatenated and fine-tuned to determine the treatment classification. In a study with 156 patients and three possible treatments (pharmacological thrombolysis, mechanical thrombectomy, or conservative treatment), the proposed multiclass approach achieved an average F1 of 54.1% and an accuracy of 55.8% providing a promising tool for treatment decision-making.
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero de Sistemas
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/45677
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingeníerias Fisicomecánicas
dc.publisher.programIngeniería de Sistemas
dc.publisher.schoolEscuela de Ingeniería de Sistemas e Informática
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAtribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectAccidente cerebrovascular
dc.subjectPredicción del tratamiento
dc.subjectSecuencias radiológicas
dc.subjectVariables clínicas
dc.subject.keywordStroke
dc.subject.keywordTreatment prediction
dc.subject.keywordRadiological sequences
dc.subject.keywordClinical variables
dc.titleEstrategia computacional para la predicción del tratamiento de pacientes con accidente cerebrovascular isquémico usando hallazgos radiológicos y variables clínicas
dc.title.englishComputational strategy for treatment prediction of ischemic stroke patients using radiological findings and clinical variables
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
89.86 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
683.75 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
1.29 MB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.18 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Ingeniería de Sistemas