Publicación: Desarrollo de un algoritmo automatizado basado en técnicas de machine learning para analizar polisomnografías
Portada
Descargar PDF 
Vista en línea Citas bibliográficas
Gestores Bibliográficos
Indexadores
Código QR
Autores
Autor corporativo
Recolector de datos
Otros/Desconocido
Director audiovisual
Editor
Tipo de Material
Fecha
Citación
Título de serie/ reporte/ volumen/ colección
Es Parte de
Resumen en español
Los trastornos del sueño son uno de los problemas clínicos más frecuentes en la actualidad. Estudios han demostrado que el sueño inadecuado o no reparador puede interferir con el funcionamiento normal en aspectos físicos, mentales, sociales y emocionales. Aunque algunas de las preguntas más básicas en la investigación del sueño, como: ¿por qué dormimos?, siguen sin respuesta, los desarrollos recientes destacan la importancia de la salud del sueño. Las personas que duermen menos de seis horas por noche tienen un 12% más de probabilidades de morir prematuramente en comparación con quienes duermen las 6-8 horas recomendadas, lo que hace que un diagnóstico temprano relacionado con trastornos del sueño sea fundamental para un tratamiento exitoso. La polisomnografía es el estándar de oro para evaluar la fisiología del sueño; sin embargo, su costo y la carga de trabajo que implica pueden ser barreras significativas para muchas personas. El objetivo de este proyecto fue desarrollar un software automatizado basado en técnicas de machine learning utilizando la plataforma MATLAB, para analizar de manera eficiente una base de datos de polisomnografías obtenida del repositorio en línea de PhysioNet. Este software fue diseñado específicamente para clasificar los estadios del sueño de los individuos de forma rápida, con el propósito de explorar el potencial de estas tecnologías para reducir costos y la carga de trabajo de los especialistas en polisomnografías. Los resultados y el desempeño del software se compararon con la estadificación realizada por técnicos capacitados según el manual de Rechtschaffen y Kales de 1968, cuyos resultados estaban adjuntos en la base de datos. Finalmente, los resultados fueron compartidos con técnicos del sueño certificados en Guatemala, quienes proporcionaron retroalimentación sobre la utilidad y precisión del software, además de sugerencias de mejora y ajustes para su futura aplicación práctica.
Resumen en inglés
Sleep disorders are among the most common clinical issues today. Studies have shown that inadequate or non-restorative sleep can interfere with normal physical, mental, social, and emotional functioning. Although some of the most basic questions in sleep research, such as “Why do we sleep?” remain unanswered, recent findings underscore the importance of sleep health. People who sleep less than six hours per night have a 12% higher likelihood of dying prematurely compared to those who sleep the recommended 6-8 hours, making early diagnosis of sleep disorders critical for successful treatment. Polysomnography is the gold standard for assessing sleep physiology; however, its cost and workload can pose significant barriers for many people. The objective of this project was to develop an automated software based on machine learning techniques using MATLAB, to efficiently analyze a polysomnography database obtained from the PhysioNet online repository. This software was specifically designed to quickly classify sleep stages in individuals, aiming to explore the potential of these technologies to reduce costs and the workload of polysomnography specialists. The software’s results and performance were compared to scoring conducted by trained technicians according to the Rechtschaffen and Kales 1968 manual, which was included in the database. Finally, the results were shared with certified sleep technicians in Guatemala, who provided feedback on the software’s utility and accuracy, as well as suggestions for improvement and adjustments for its future practical application.
