Uso de Graph Neural Networks (GNN) para analizar asociaciones multilaterales de riesgos adversos en pacientes con Accidentes Cerebro Vasculares (ACV) en una unidad hospitalaria
...
Rivera Juzga, Cristian Yesid | 2024
Esta investigación tiene por objetivo analizar las asociaciones multilaterales de riesgos adversos en pacientes con Accidentes Cerebro Vasculares (ACV) en una unidad hospitalaria mediante Graph Neural Networks (GNN). Para ello, se propone la utilización de las GNN para establecer un modelo de predicción que permita estimar la probabilidad de ocurrencia de riesgos adversos en función de los factores de riesgo de esta condición, de manera que puedan establecerse medidas que permitan predecir los mismos e intentar minimizar su ocurrencia en pro del beneficio de los pacientes quienes hayan sufrido un ACV isquémico. El uso de GNNs permitirá el descubrimiento y entendimiento de asociaciones multilaterales, las cuales involucran la interrelación de dos o más factores en la predicción de riesgos adversos. El uso de GNNs para este fin es innovativo y representa un significativo paso hacia adelante en el entendimiento de mecanismos más complejos que influyen en el desarrollo de ACVs. En este sentido, la presente investigación propone el uso de las GNNs en conjunto con la base de datos reales hospitalarios MIMIC-IV (Medical Information Mart for Intensive Care).
La prevalencia de los ACV en los últimos años se ha incrementado significativamente, así lo indican las cifras de la Organización Mundial de Accidentes Cerebrovasculares. Por ello, el uso de la tecnología y demás herramientas con las cuales se cuenta en la actualidad es esencial para minimizar los riesgos asociados a esta enfermedad. Metodológicamente, es una investigación cuantitativa, cuyo universo de estudio está representado por pacientes que fueron diagnosticados con Accidente Cerebrovascular Isquémico, el más común de entre los tipos de ACV, de una muestra que fue extraída de la base de datos MIMIC-IV.
LEER