Repositorio Institucional de Documentos

E d e P E stud e la i P roy e io m e ncid e c Fra n Ingeni e e cto F e dia n e nci a c alid a n cho M A nto n D E s e ría Téc n C o Septi e Fin d n te r e a de l o a d d e Autor aría Pi Directo r n io Bono D ocumen t Memori a s pecialid n ica Indu s o nvocat o e mbre d e d e C a e des n o s in f e vid a n o Esc Nuez t o a a d s trial Ele c o ria e 2013 a rre r n eur o f arto s a artín c trónica r a o nal e s en e s la Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 2 Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 3 RESUMEN Desde hace unas décadas ha venido produciéndose un incremento en la longevidad de la población debido en gran parte a los avances realizados en el campo médico, creando una nueva meta, alcanzar esa longevidad con la máxima calidad de vida posible. Por esta razón se encuentran ya gran cantidad de publicaciones, estudios e investigaciones en el ámbito de la calidad de vida, resolviendo cuestiones sobre cómo evaluarla, identificar qué factores se ve afectada y cómo mejorarla. En este estudio se ha pretendido realizar la búsqueda y análisis de las diferentes investigaciones que se han realizado a nivel internacional sobre calidad de vida pero añadiendo una herramienta novedosa a su comprensión, las redes neuronales. Además, se ha procesado mediante el uso de redes auto-organizadas una base de datos realizada junto al grupo de investigación de enfermería con el que se ha trabajado, compuesta de dos cuestionarios, uno de creación propia denominado “Temores, preocupaciones y afectación de la calidad de vida diaria de pacientes post infarto agudo de miocardio” y otro de calidad de vida conocido como EuroQoL 5D-3L. Como resultado principal obtenido de la fase de documentación destaca la escasez de investigaciones en España sobre el uso de redes neuronales para el estudio de la calidad de vida. En este ámbito, este proyecto ha pretendido ser pionero en el empleo de dichas técnicas consiguiendo el reconocimiento de ciertos patrones entre los temores y preocupaciones que sufren los pacientes post-infartados y la división de los posibles niveles de calidad de vida relacionada con la salud. Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 4 Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 5 1.INTRODUCCIÓN ......................................................................................... 7 1.1Motivación del proyecto. ....................................................................... 7 1.2Calidad de vida. .................................................................................... 8 1.3Infarto Agudo de Miocardio y su afectación a la calidad de vida. ....... 10 2.OBJETIVOS. ............................................................................................. 13 3.ESTADO DEL ARTE. ................................................................................ 15 4.DESARROLLO .......................................................................................... 33 4.1Generación de las encuestas. ............................................................ 33 4.1.1Cuestionario “Temores, preocupaciones y afectación de la calidad de vida diaria de pacientes post infarto agudo de miocardio”. ........ 34 4.1.2Encuesta EuroQoL 5D-3L. .............................................................. 36 4.2Recogida de datos. ............................................................................ 38 4.3Requisitos de los encuestados. .......................................................... 38 4.4Viabilidad de los datos recogidos ....................................................... 39 4.5Herramientas globales ........................................................................ 39 4.5.1MATLAB .......................................................................................... 40 4.5.2SOM Toolbox .................................................................................. 43 4.5.3IBM SPSS Statistics. ....................................................................... 44 4.6Análisis estadístico de la base de datos. ............................................ 45 4.7Selección inicial de variables válidas de la encuesta de temores. ..... 47 4.8Red Neuronal. .................................................................................... 47 4.8.1Introducción a redes neuronales . ................................................... 47 4.8.1.1Modelo general de neurona artificial. ..................................... 48 4.8.1.2Tipos de arquitecturas de redes neuronales. ......................... 49 Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 6 4.8.1.3Fase de aprendizaje. .............................................................. 50 4.8.1.4Elección del modelo de red neuronal. .................................... 51 4.8.1.5Mapas Autoorganizados, conceptos. ..................................... 51 4.8.2Configuración inicial de la red neuronal. ......................................... 55 4.9Normalización de la matriz de datos................................................... 58 4.10Análisis de componentes principales ................................................. 58 4.11Encuesta de temores procesada con el SOM .................................... 60 4.12EuroQoL 5D procesado con el SOM .................................................. 67 5.CONCLUSIONES ...................................................................................... 71 5.1Resultados. ........................................................................................ 71 5.2Trabajos futuros. ................................................................................ 72 5.3Conclusiones personales. .................................................................. 73 6.AGRADECIMIENTOS ............................................................................... 75 7.BIBLIOGRAFÍA ......................................................................................... 77 8.ÍNDICE DE FIGURAS................................................................................ 83 9.GLOSARIO Y ABREVIATURAS. .............................................................. 85 Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 7 1. INTRODUCCIÓN 1.1 Motivación del proyecto. Al inicio de este proyecto, cuando ya se perfilaba que iba a tratar fundamentalmente sobre calidad de vida y redes neuronales, tuvimos constancia de que un grupo compuesto por tres enfermeras estaban realizando una investigación en el Hospital Universitario Miguel Servet con los objetivos principales de valorar las preocupaciones, temores y dudas en relación con el autocuidado y el grado de afectación a la calidad de vida diaria relacionada con la salud en pacientes que han sufrido al menos un segundo episodio de infarto agudo de miocardio (IAM). Es común dentro del ámbito sanitario la realización de este tipo de estudios e investigaciones con el fin de obtener unos resultados que permitan mejorar la atención que reciben los pacientes. En nuestro caso particular, desde la labor que realiza el personal de enfermería se desea profundizar en el conocimiento del período de adaptación (en una persona que ha sufrido un Infarto Agudo de Miocardio), estudiando el nivel de afectación del individuo en las distintas actividades de la vida diaria y las dificultades que creen puedan tener en su autocuidado para poder establecer nuevas directrices en los cuidados enfermeros así como facilitar al paciente una información personalizada y acorde a la enfermedad que sufre. Para cumplir sus objetivos se planteó la necesidad de elaborar una herramienta de toma de datos en forma de encuesta, compuesta por un cuestionario sobre temores y preocupaciones (de elaboración propia) y otra de medición de la calidad de vida (EuroQoL 5D-3L). Cuando se consolidó la colaboración y trabajo conjunto con el grupo de enfermeras éstas se hallaban al final de la fase de realización de encuestas por lo que se propuso colaborar en el procesamiento de los datos recogidos tanto estadísticamente como mediante la introducción del uso de redes neuronales como método novedoso y sin apenas antecedentes en España, con el fin de aportar un punto de vista diferente y poder hallar alguna conclusión que mediante métodos estadísticos no se podría plantear. Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 8 A partir de estos resultados se podrán establecer estrategias y planes de cuidados específicos para los problemas detectados de más importancia para el paciente. El estudio queda abierto a posibles investigaciones sobre: - Estilos de vida saludable. - Reducción del nivel de ansiedad. - Mejorar la calidad de vida. 1.2 Calidad de vida. A lo largo de los últimos años, la investigación científica y los avances médicos han conseguido alargar la esperanza de vida hasta tal límite que ciertos grupos de investigación se plantean cómo alcanzar esa máxima longevidad con la mejor calidad de vida posible. La Organización Mundial de la Salud [1] definió “la salud como un estado de completo bienestar físico, mental y social y no únicamente la ausencia de enfermedad”. De esta definición se desprende que la evaluación de la salud no puede estar limitada a los factores clínicos tradicionales basados en variables puramente biológicas. Por lo tanto debe valorarse tanto el estado objetivo de la salud como los aspectos más subjetivos, que engloban el sentido general de satisfacción del individuo y a percepción de la propia salud. Por dichas necesidad surge el término de “calidad de vida”, un concepto algo difuso, en el que no existe un claro consenso entre autores, que se puede acotar por diferentes factores que determinan el bienestar social de una persona o de una comunidad [2], por ejemplo: Factores materiales, relacionados con los recursos de los que se dispone: - Nivel de ingresos - Posición en el mercado laboral - Salud - Nivel de educación Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 9 Factores ambientales, dados por las características del entorno o la comunidad: - Acceso a servicios - Criminalidad - Transporte - Comunicaciones Factores de relacionamiento, dados principalmente por la relación con otros individuos. - Relaciones con la familia y amigos - Integración dentro en la comunidad - Tiempo libre Centrando la vista en el presente estudio aparece ya el término “calidad de vida” unido a la salud como factor muy determinante a la hora de determinar el bienestar de un individuo, así pues introducimos el término “Calidad de Vida Relacionado con la Salud“(CVRS) cuya definición, según citan algunos autores [3], podría ser: “La Calidad de Vida Relacionada con la Salud se refiere a la evaluación subjetiva de las influencias del estado de salud actual, los cuidados sanitarios, y la promoción de la salud sobre la capacidad del individuo para lograr y mantener un nivel global de funcionamiento que permite seguir aquellas actividades que son importantes para el individuo y que afectan a su estado general de bienestar. Las dimensiones que son importantes para la medición de la CVRS son: el funcionamiento social, físico, y cognitivo; la movilidad y el cuidado personal; y el bienestar emocional”. Para poder tomar decisiones y adoptar soluciones es necesario evaluar la calidad de vida relacionada con las salud de los individuos, por ello se han desarrollado diferentes test, encuestas y evaluaciones en diferentes campos médicos y científicos, algunos de los más reconocidos son el EuroQoL-5D, un instrumento genérico de medición de la CVRS que puede utilizarse tanto para individuos sanos como en grupos de pacientes con diferentes patologías y el SF-36, un cuestionario utilizado en investigaciones médicas, de salud mental y en general relacionadas con la salud, este test ofrece una perspectiva general de la salud de una persona pidiendo respuestas sobre la salud del paciente el mes anterior a la realización del test, se encuentra disponible una versión aguda del test en el que pide las respuestas sobre la semana anterior. La calidad de vida se mide a través de la valoración numérica de 8 dimensiones Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 16 Los sujetos, jóvenes reclutados en una universidad local previo consentimiento informado firmado, portaron los sensores en dos tandas de muestreo, una en un escenario común donde realizaron las mismas actividades y la otra tanda se muestreó en un escenario libre donde los sujetos realizaban las actividades sin supervisión anotándolas ellos mismos. Puesto que las señales obtenidas son continuas en el tiempo, realizaron una caracterización segundo a segundo de valores en el dominio del tiempo y la frecuencia. Para la clasificación de las actividades propone 4 métodos diferentes con el objetivo de comparar entre los resultados obtenidos por cada uno de ellos y poder determinar cuál es el más eficaz: - Árbol de decisión: uno personalizado y otro autogenerado. - Red Neuronal Artificial: utiliza un perceptrón multicapa con una capa oculta con 15 nodos para cuyo entrenamiento se ha usado “Resilient Back Propagation algorithm”, en el artículo no se profundiza más en la descripción de la red utilizada. - Modelo híbrido: propone un nuevo método que combina un árbol de decisión y una RNA, aunque no detalla su estructura exacta. Como conclusión comenta que el modelo más preciso ha resultado ser el modelo híbrido frente a la RNA que no obtiene unos resultados satisfactorios, la explicación que se da es que ante la imprecisión y el ruido de los datos de las actividades cotidianas hay que tener cuidado al entrenar la RNA. Resulta interesante el hecho de sacar las actividades que se pretenden reconocer fuera del entorno controlado, se le da una orientación más real a la toma de datos de cara a una posible realización práctica, aunque la cantidad de sensores y la mochila que es necesario llevar limita mucho sus posibilidades. Dado el interés despertado en esta línea de trabajo de comparar los resultados que se obtienen entre diversos métodos se decidió consultar los trabajos previos de este grupo, a continuación se detalla otro de ellos. E coti d por l cas a dife r E studio medi Activity Para re c d ianas co m l a person a a como fu e Para el r entes: - Á rb o - Á rb o - Red algo ocul t ante redes n Classifica t c oger los d m o deporti v a de tal for m e ra. reconoci m o l de decis o l de decis Neuronal ritmo de r e t a y de sal Fi g n euronales d t ion Using d atos dura v as utiliza h m a que pu m iento de l a i ón constr u i ón gener a Artificial: p e tropropag ida de 6,1 5 ura 2. Tablas d e la inciden c Realistic D nte las dif e hasta 22 s ede recon a actividad u ido manu a do autom á p erceptrón g ación y c o 5 y 7 neur o de confusión c ia de los inf a D ata from W e rentes ac s ensores, t o cerse la a realizada almente. á ticament e multicapa o mpuesto p o nas resp e entre activid a a rtos en la c a W earable S t ividades t o dos ellos a ctividad t a utiliza 3 m e con Mat L entrenad o p or capa d e e ctivamen t a des c alidad de vi d Págin a Sensor s [ 1 t anto transport a a nto dentr o m étodos L ab. o mediant e e entrada, t e. d a a | 17 1 1] a dos o de e Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 18 Compara los resultados obtenidos en el reconocimiento de las diferentes actividades resultando el árbol de decisión generado automáticamente el más eficiente con un 86% de aciertos frente a al 82% del árbol personalizado y la red neuronal. Otra conclusión interesante que obtiene es que pese a la cantidad de sensores utilizados los acelerómetros se muestran como el mejor método de obtención de información para reconocimiento actividades. Classification of Walking Patterns in Parkinson’s Disease Patients Based on Inertial Sensor Data [12] Aplicación destinada a detectar el FOG (bloqueo del paso en enfermos de Parkinson) un problema muy común entre los enfermos de Parkinson que puede hacer que se produzcan caídas o accidentes. Para ello utiliza sistema compuesto de 6 sensores inerciales inalámbricos colocados en piernas y pies cuya señal es procesada por una red neuronal para diferenciar los pasos regulares de los que no lo son, en caso de que la red determine que se trata de alguna irregularidad un algoritmo aparte determina si se produce bloqueo o no del paso. La RNA utilizada se trata de una única neurona con 100 entradas con función de activación en escalón, concuerda con el uso que se le da de discriminador entre pasos normales de otro tipo de paso. Como conclusiones comenta que debido a las particularidades de cada paciente los umbrales de detección son empíricos y es necesario adaptarlos a cada persona. Además añade que debido a los diferentes tipos de pasos intencionados no es posible reconocer los paso irregulares con mucha fiabilidad, aunque se podría mejorar aumentando el número de pacientes estudiados. Propone una aplicación final del estudio, un sistema integrado en un microcontrolador para enfermos de Parkinson que pueda detectar anomalías en el caminar, clasificarlas y determinar una acción para corregirla, típicamente mediante sonidos, vibraciones o aviso luminoso se puede evitar el bloqueo del paso. Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 19 Sería interesante en este estudio el ampliar el protagonismo que cobra la RNA y profundizar en su aplicabilidad, haciendo una red neuronal más amplia y con mayor capacidad para reconocer los diferentes tipos de pasos. A Neural Network Agent Based Approach to Activity Detection in Ami Environments [13] En este artículo se propone la creación de ambientes inteligentes para el reconocimiento de actividades cotidianas con el objetivo de ser implementado en el hogar de personas mayores o dependientes para detectar posibles problemas o actividades anormales, teniendo especialmente presentes a aquellos mayores que no pueden realizar correctamente sus tareas cotidianas como puedan ser los enfermos de Alzheimer o de demencia senil. En este caso, a diferencia de otros, la detección de la actividad se basa en sensores colocados en el mobiliario y no en la persona, tales como sensores de presión en cama y sillas, sensores de luz, temperatura y sonido…Para ello crearon un entorno capaz de monitorizar varias actividades cotidianas como son dormir, leer, trabajar en el escritorio o el ordenador, escuchar música y dejando la posibilidad de reconocer otras actividades. Para la monitorización directa de las actividades crearon dos aplicaciones, una para PC y otra para plataforma remota con vistas a implementarlo en móviles y PDAs. Basándose en que es necesario poder incorporar nuevas actividades tanto normales como anormales se plantean una red neuronal capaz de hacer que la capa oculta sea flexible o cambiante. Partiendo de lo que tres métodos diferentes (algoritmos de regularización, los algoritmos de poda y algoritmos constructivos) eligen utilizar una arquitectura neuronal adaptativa derivado del paradigma propuesto por ECoS Kasabov. Eligen esa arquitectura ya que puede crecer de forma dinámica, mediante la adición de nodos de la capa oculta cuando no se encuentra un patrón para encajarlo en la estructura ya existente. En la figura adjunta se puede ver un diagrama de la estructura real de la red neuronal adaptativa utilizada, que consta de tres capas: la capa de entrada, la capa oculta dinámica y la capa de salida, además de una capa de memoria utilizada para representar la información temporal, parámetro necesario para el reconocimiento de las actividades. E acti v vali d 78, 5 colo c estr u det e par a obtu una tem p E studio medi Tras la v idades di f - Rec o Dividier o d ación cru z 5 7% de las - Rec o Probar o cado en l a u ctura sep e ctar anom a represen t u vo el prim e - Incl u dete La adici mayor va r p orales de ante redes n recogida d f erentes, r e o nocimien t o n las mu e z ada, para actividad e o nocimien t o n dos mé t a capa ocu arada y el alías en l a t ar ese ej e e r método u sión de la cción de a ón de una r iedad de a los datos. n euronales d Figura 3 d e datos d u e alizaron l o t o de las a e stras en d entrenam e s recono c t o de activ t odos difer e l ta y alma c segundo m a s que la r e e mplo ano r con un 8 9 capa de m a ctividade s capa de m a nomalías La adició n d e la inciden c 3 . Estructura d u rante cua o s siguien t a ctividade s d os partes , iento y te s c idas. v idades an ó r entes, el p c enando l o m étodo im e d puede d r mal. El m a 9 .14% de é m emo r ia c o s fuera de l m emoria d a mediante n de esta c c ia de los inf a d e la red tro días y e t es experi m s predeter m , mediant e s t. Con un ó malas. p rimer mét o o s ejemplo plementa l d esarrollar a yor índic e é xito. o mo medi d o común. a a la red l la captura c apa supu s a rtos en la c a e stablecie n m entos: m inadas. un métod r esultado m o do usa el s anormal e l a nueva m un nuevo e de recon o d a de mej o a capacid a de las de p s o una m e c alidad de vi d Págin a ndo 8 o de m edio de u umbral e s en una m anera de nodo de s o cimiento l o ra en la a d de det e p endencia s e jora de d a a | 20 u n s alida l o e ctar s Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 21 reconocimiento para algunos casos del 6% aunque globalmente no experimento un gran aumento. Es por ello que concluyen afirmando que es necesario profundizar más en este ensayo. Esta investigación es particularmente interesante por dos cuestiones, la primera es que plantea un entorno no invasivo ni molesto para el usuario y la segunda es la idea de diseñar un sistema capaz de incorporar y aprender nuevas actividades además de las prestablecidas. Human Body Posture Classification by a Neural Fuzzy Network and Home Care System Application [14] En este estudio se propone un nuevo método de reconocimiento postural y su aplicación en el reconocimiento de caídas basado en video-vigilancia. Con el fin de obtener una señal procesable por una red neuronal, aplican la transformada discreta de Fourier (DFT en inglés) para representar la imagen en el dominio de la frecuencia, normalizando las magnitudes de los 20 coeficientes más significativos. Con la señal obtenida a partir de las diferentes posturas una vez normalizada entrenan una SONFIN (Self-Constructing Neural Fuzzy Inference Network), cuya estructura y funcionamiento se puede encontrar en otra publicación de los mismos autores [15], dicho entrenamiento lo realizan con 80 patrones diferentes (20 por postura), una vez entrenada realizan un test con 400 posturas a reconocer logrando una media del 97,8% de aciertos. En el apartado IV del artículo proponen su integración en un sistema de vigilancia doméstico donde una alarma se activaría en caso de detectar una caída y facilitan un diagrama de flujo (Figura 4) del proceso de detección, diferenciando si la persona reacciona o permanece inmóvil. E reali entr e obs e rec o neu r de c acci ó de c de d of t h cali d trat a E studio medi A conti n zación de e una rec u Recapit e rvar com o o nocimient o r onales y s c rear siste m ó n adecu a Relativ o c uestiona r d atos clíni Identify i h e Minnes o Partien d d ad de vid a a de establ ante redes n n uación, p o cuatro ex p u peración n ulando en t o existen d o de activi d s istemas d e m as capa c a da. o al uso d e r ios de sa cos, cabe i ng relativ e o ta Living w d o de una a relacion a ece r unos n euronales d Figura 4. Di a o nen a pr u p erimento s n ula, parci a t re los artí c iferentes l í d ades, po s e recogid a es de rec o e las redes lud, encu e destacar l e Cut-Off S w ith Heart de las mu c a da con la puntos d e d e la inciden c agrama de fl u u eba su fu n s variando a l o total d c ulos des c íneas de i n s turas y c a a de datos o nocer un p neu r onal e e stas de c los siguie n S cores wit h Failure Q u c has encu salud co m e corte en l c ia de los inf a u jo propuesto n cionamie n el tiempo e la perso n c ritos hast a n vestigaci ó a ídas, pro p pero todo s p roblema y e s como a p c alidad d e n tes artícul h Neural N e u estionnai r estas par a m o es el M L a puntuac i a rtos en la c a n to media n d e caída y n a caída. a este pun t ó n sobre e p oniendo d s con el o b y poder lle v p oyo al pr o e vida y b a os: e tworks fo r r e. [16] a la evalua c L HFQ, en e i ón obteni d c alidad de vi d Págin a n te la y diferenci a t o, se pue d l d iferentes r b jetivo co m var a cab o o cesamie n a ses de d a r Interpret a ción de la e ste estud d a en la d a a | 22 a ndo d e r edes m ún o una n to a tos a tion io se Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 23 encuesta para la correcta interpretación de lo que es considerado baja o alta calidad de vida. El MLHFQ es un cuestionario compuesto por 21 preguntas, contestable entre 0 y 5, que evalúa en qué medida el haber sufrido un episodio cardíaco ha afectado a la calidad de vida. El test se realiza a los 4 meses de haber sufrido el episodio y la puntuación es obtenida por simple suma de la puntuación de cada una de las preguntas, siendo el rango posible de 0 (menor afectación de CV posible) a 105 (mayor afectación de la CV posible). En su forma de proceder quizá resulte extraño el hecho de que debido a datos incompletos, en lugar de sacar de la base de datos a los pacientes con cuestionarios erróneos, han eliminado dos de las 21 preguntas del cuestionario, asegurando que no afecta en la determinación de los puntos de corte. Para reconocer los grupos o patrones que aparecen entre los datos del MLHFQ y la calidad de vida similares entre sí, emplean una red neuronal autoorganizada de Kohonen. Con el fin de comprobar los resultaos obtenidos de los 400 cuestionarios completos, los divide al azar en dos, uno lo utiliza como grupo de aprendizaje y el otro como grupo de test. A través de la interpretación de estos clusters pretende establecer 3 niveles de calidad de vida. Para ello, utilizó una regla basada en los resultados descriptivos de los grupos identificados y se eligieron los mejores puntos de corte de acuerdo con la mayor precisión total de la matriz de confusión. Finalmente, para validar los 3 niveles de la calidad de vida, se analizaron las relaciones entre las tres categorías MLHF y otras medidas de gravedad del infarto agudo de miocardio que son más familiares para los clínicos especialistas. Concluye estableciendo dichos niveles de calidad vida que se pueden obtener a través de esta encuesta. Esta conclusión es interesante en cuanto a que se pueden asociar fácilmente grupos de pacientes con características similares gracias al uso de un mapa de Kohonen. Se trata del estudio hallado más similar a lo que en el presente proyecto se pretende conseguir. Por esta razón, a través de la página web de la Universidad de Minnesota [17] se obtuvo una copia de este cuestionario de calidad de vida con licencia para estudiantes, en el paquete suministrado, Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 24 adjunto en los anexos de este proyecto, se incluyen el cuestionario a entregar a los encuestados, instrucciones de evaluación y términos y condiciones. Application of Artificial Neural Networks for the Prediction of Quality of Life in Breast Cancer Patients. [18] En este artículo se utiliza un grupo de pacientes enfermos de cáncer de pecho para predecir su calidad de vida, mediante el uso de redes neuronales artificiales y métodos de regresión múltiple. La recogida de datos la realizaron utilizando los cuestionarios SF-36, QLQ-C30, y QLQ-BR23 durante el preoperatorio y 6 meses, 1 y 2 años después. Una interesante conclusión que obtiene es que las redes neuronales son más fiables a la hora de predecir la calidad de vida frente a la regresión múltiple y por ello la proponen como una buena herramienta para saber la calidad de vida relacionada con la salud. Se trata de un estudio muy escueto, que no profundiza en la descripción y uso de la RNA pero a través del cual se pueden hallar otros trabajos que utilizan redes neuronales en el campo de la predicción médica, un ejemplo sería: Artificial Neural Networks Applied to Survival Prediction in Breast Cancer [19] Este artículo versa sobre la estimación de la supervivencia en enfermos de cáncer de pecho que aunque no contemple implícitamente el concepto de calidad de vida se puede decir que está muy próximo. Como respuesta a la necesidad de incorporar a la realización de pronósticos una nueva herramienta plantea el uso de redes neuronales ya que se ha probado enormemente su eficacia y fiabilidad en reconocimiento de patrones y en otras investigaciones de predicción de la supervivencia. La base de datos de partida la formaron con un total de 1050 pacientes y un total de 24 variables clinicopatológicas extraída de las historias clínicas de los pacientes que sufrieron la enfermedad. Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 25 La red neuronal utilizada estaba compuesta de 3 capas construida mediante un método en cascada y con una regla de aprendizaje adaptativo. Una vez dividida la base de datos en dos grupos de entrenamiento y validación, entrenaron la red con dos conjuntos de variables diferentes, uno con todas las variables y otro con parte, obteniendo el mayor índice de aciertos la red entrenada con todas las variables. En sus resultados afirman haber conseguido generar una herramienta capaz de predecir la supervivencia a los 5, 10 y 15 años de padecer la enfermedad y para ello aportan datos sobre la significancia estadística obtenida. Neural Network Application in Diagnosis of Patient: A Case Study [20] Desde hace un tiempo, el almacenamiento electrónico de la información e historial de pacientes acompañado de un acceso rápido y sencillo a dicha información ha facilitado el que prosperen las técnicas de minería de datos y los estudios que dan aplicación útil a esos datos como por ejemplo, reconocimiento de características comunes entre los pacientes de determinadas enfermedades, previsión de costes hospitalarios, predicción de tratamientos médicos (tema en el que se centra esta investigación),… Varios estudios corroboran ya la presencia de diversos factores de riesgo y estilos de vida que favorecen la posibilidad de padecer un episodio cardíaco, por ello, en este artículo proponen un sistema para la predicción de infartos mediante el uso de una red neuronal, basando su entrenamiento en datos médicos y factores de riesgo presentes en los pacientes. La base de datos que emplean está compuesta por 40 pacientes y 4 variables (sexo, edad, presión sanguínea y tabaquismo). Desde mi punto de vista puede tratarse de una base de datos con pocos pacientes y que quizá necesite incluir otros factores de riesgo conocidos como son sobrepeso, colesterol, etc. que pueden ayudar a la hora de predecir un futuro episodio cardíaco. La RNA que proponen es un perceptrón multicapa con 6 nodos de entrada, 4 en la capa oculta y 2 en la de salida, determinados por el número de datos de entrada, por ensayo-error y por los dos estados posibles de predicción respectivamente. Para entrenar la red utilizaron un algoritmo de retropropagación. Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 32 Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 33 4. DESARROLLO A continuación se describen detalladamente cada uno de los pasos y labores que nos han conducido a la conclusión de este proyecto así como una explicación en detalle de los conceptos y herramientas utilizados para ello. 4.1 Generación de las encuestas. En base a la experiencia del grupo de investigación de enfermería durante tres años en la planta de cardiología y a las características comunes presentes en mayor o menor grado en los pacientes infartados, que son: - Obesidad. - Tabaquismo. - Hipertensión. - Hipercolesterolemia. - Diabetes. - Restricción médica en los esfuerzos realizados. - Fatiga característica del paciente infartado. - Miedos y preocupaciones derivados de la enfermedad, de la posibilidad de un nuevo episodio o del entorno hospitalario. A partir de las preguntas que planteaban los pacientes sobre su actual situación de salud tras el episodio, sus posibles consecuencias tanto físicas, emocionales como posibles dificultades para realizar sus actividades cotidianas se decide realizar un cuestionario con 27 preguntas “Temores, preocupaciones y afectación de la calidad de vida diaria de pacientes post infarto agudo de miocardio”. Para la realización del cuestionario se estudiaron los cuestionarios ya validados SF-36 [33], cuestionario Velasco-Del Barrio [25], Barthel [34]. Además de añadir al formato la teoría del autocuidado de Dorothea Orem [35] con las 3 dimensiones del autocuidado que estableció en su estudio. Las dimensiones se dividen en: Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 34 - Universales: Satisfacción de las necesidades básicas de todo ser humano. - Desarrollo: Satisfacción de necesidades según el período del ciclo vital. - Desviación de la salud: Satisfacción de necesidades en cada proceso de alteración de la salud. El concepto de autocuidado resalta el derecho de cada persona a mantener un control individual de los factores internos y externos de su propio patrón de vida, mientras realiza las actividades de autocuidados; ya que pueden comprometer su vida y desarrollo posterior. Otro principio de los cuidados enfermeros del modelo de Dorothea Orem con un alto contenido ético es el referente a que el autocuidado no implica permitir a la persona que haga cosas por sí misma, según lo planifica la enfermera, sino animar, orientar y enseñar a la persona para que haga sus propios planes en función de la vida diaria óptima; al aumentar la capacidad de autocuidado aumenta la autoestima del individuo. Con la intención de validar este cuestionario además del de aportar un valor añadido a la investigación se añadió el cuestionario del Grupo EuroQoL denominado EQ-5D-3L, cuestionario ya consolidado y validado que evalúa la Calidad de Vida Relacionada con la Salud del encuestado. 4.1.1 Cuestionario “Temores, preocupaciones y afectación de la calidad de vida diaria de pacientes post infarto agudo de miocardio”. Se compone de 8 preguntas denominadas de filiación o sociodemográficas, estas son: - Fecha de nacimiento. - Lugar de nacimiento (país). - Fecha de ingreso hospitalario. - Sexo: Hombre o Mujer. - Estado Civil: Soltero, Casado o Viudo/Separado. - Vive: Solo o Acompañado. - ¿Cuántos Infartos previos ha tenido? - Situación laboral: Activo, Parado o Jubilado. Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 35 A continuación se encuentran las 22 preguntas sobre el nivel real de preocupación del paciente en el momento de ser encuestado. Las 19 primeras van precedidas por “A partir de ahora, le preocupa…” 1. ¿Su reducción de peso? 2. ¿Volver a fumar? 3. ¿La forma en que va a alimentarse? 4. ¿El esfuerzo que va a realizar para hacer de vientre? 5. ¿Su capacidad para realizar su higiene personal? 6. ¿Que su tensión arterial está elevada? 7. ¿Que su colesterol esté elevado? 8. ¿Descansar por la noche? 9. ¿Volver al trabajo? 10. ¿El cambio en sus actividades de ocio (deportes, viajes)? 11. ¿Disfrutar de la vida en compañía de amigos-familia? 12. ¿Su satisfacción sexual? 13. ¿El cambio en alguna actividad cotidiana (Ej.: No poder conducir)? 14. ¿Sufrir un nuevo infarto? 15. ¿Morir? 16. ¿Perder su autonomía? 17. ¿Permanecer ingresado? 18. ¿Se encuentra tenso en el entorno hospitalario? 19. ¿Está satisfecho con la información que recibo de su estado de salud? 20. ¿Quiere añadir algún temor que siente que no le hayamos preguntado? 21. ¿hay alguna otra cosa de la que hayamos hablado que nos quisiera mencionar? 22. ¿hay alguna cuestión que no entiende o preguntaría de otra forma? Indique el nº de pregunta y cómo la formularía. El paciente contesta a las preguntas 1 a 19 marcando su respuesta en una escala de tipo Likert de entre las siguientes: (1) Nada, (2) Poco, (3) Normal, (4) Bastante, (5) Mucho y finalmente las preguntas 20 a 22 al tratarse de preguntas abiertas escribe la respuesta el propio paciente. Se puede encontrar este cuestionario adjunto en los anexos. Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 36 4.1.2 Encuesta EuroQoL 5D-3L. Tras la puesta en contacto con el grupo EuroQoL, a través de su página web [36], se les presentó las características de nuestro estudio y aconsejaron utilizar el cuestionario EuroQoL 5D-3L que esencialmente consiste en 2 páginas, una página contiene el sistema descriptivo EQ-5D y la otra contiene la escala visual analógica EQ. Además facilitaron documentación para calcular el resultado obtenido en las encuestas así como una guía básica de uso, toda esta documentación se puede encontrar en los anexos. Sistema descriptivo EQ-5D: Se compone de 5 preguntas que evalúan 5 dimensiones de la calidad de vida: movilidad, autocuidado, actividades cotidianas, dolor/disconfort y ansiedad/depresión. Cada dimensión tiene 3 niveles: sin problemas, algunos problemas y problemas graves. Al encuestado se le pide que marque un nivel de cada una de las dimensiones evaluadas que mejor defina su situación a día de hoy. El resultado no se puede obtener mediante simple suma de las respuestas dadas si no utilizando las fórmulas que se encuentran en la documentación. Las mencionadas preguntas son: Movilidad No tengo problemas para caminar Tengo algunos problemas para caminar Tengo que estar en la cama Cuidado Personal No tengo problemas con el cuidado personal Tengo algunos problemas para lavarme o vestirme Soy incapaz de lavarme o vestirme Actividades Cotidianas (ej., trabajar, estudiar, hacer las tareas domésticas, actividades familiares o actividades durante el tiempo libre) No tengo problemas para realizar mis actividades cotidianas Tengo algunos problemas para realizar mis actividades cotidianas Soy incapaz de realizar mis actividades cotidianas Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 37 Dolor/Malestar No tengo dolor ni malestar Tengo moderado dolor o malestar Tengo mucho dolor o malestar Ansiedad/Depresión No estoy ansioso ni deprimido Estoy moderadamente ansioso o deprimido Estoy muy ansioso o deprimido Escala Visual Analógica (EVA): Es una escala vertical en la que se pide al encuestado que marque cómo percibe su estado de salud a día de hoy, entre ‘Mejor estado de salud imaginable’ con una puntuación de 100 y ‘Peor estado de salud imaginable’ con una puntuación de 0. Esta información se puede utilizar para valorar cómo perciben su propia salud los encuestados. Evaluación de las encuestas: - Método Time to Trade-Off (TTO). En español conocido como análisis de coste-utilidad, se trata de una herramienta económica utilizada en el ámbito de la salud para determinar la calidad de vida de un sujeto. En él se analiza los años que se puede vivir a máxima calidad de vida frente a los años que se estima se vivirá con la calidad de vida actual, básicamente calcula a cuantos años de vida se puede llegar a renunciar para vivir al máximo de calidad de vida posible. - Método Visual Analogue Scale (VAS). Es una escala de respuesta psicométrica que se suele utilizar en cuestionarios para la medición de características o actitudes subjetivas que no se pueden medir directamente. Al responder a un elemento de VAS, los encuestados especifican su nivel de acuerdo con un enunciado o pregunta indicando una posición a lo largo de una línea continua entre dos puntos finales. Este aspecto continuo o análogo de la escala es lo que la diferencia de escalas discretas como la escala de Likert. En los anexos se encontrará información ampliada de esta encuesta. Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 38 4.2 Recogida de datos. A lo largo de 8 meses se encuestaron de forma oportunística a un total de 103 pacientes ingresados en la unidad de cardiología del Hospital Miguel Servet. El proceso seguido fue el siguiente: - Localización de candidatos mediante examen del Informe de urgencias e Historia clínica de los posibles pacientes objetivo. - Comprobación de que el paciente cumple con los requisitos establecidos. - Presentación ante el paciente, explicación y firma de consentimiento informado para participar en la encuesta. - Dejar al paciente un tiempo a solas para que conteste a la encuesta de modo que no se vea afectada su objetividad por la presencia de los facultativos o de la familia. - Recogida, revisión de la encuesta y aclaración de las posibles dudas surgidas en alguna pregunta para su correcta cumplimentación. - Agradecimiento por su colaboración en el estudio. - Incorporación a la base de datos. 4.3 Requisitos de los encuestados. Para que los pacientes pudieran ser encuestados y consecuentemente añadidos a la base de datos debían cumplir una serie de requisitos previos. Criterios de inclusión: - Ser mayor de edad. - Aceptar colaborar en la encuesta a la que se le somete, firmando consentimiento informado para participar en la investigación. Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 39 - Pacientes sin patología de tal gravedad que pudieran modificar los resultados del cuestionario de temores. (Ej.: paciente con amputación.) - Motivación manifiesta por el estudio y colaboración. Criterios excluyentes: - Pacientes con deterioro cognitivo y con patología invalidante. - Pacientes con desconocimiento del español. 4.4 Viabilidad de los datos recogidos Una vez realizadas las encuestas, durante su revisión surgieron dos problemas: El primero fue cómo tratar las preguntas que habían sido contestadas como “no aplicable”, campo que en la creación de las encuestas se dejó para reservarse la posibilidad de los realizadores de invalidar la pregunta en función del paciente, no se dio el caso en ninguna de las encuestas pero los propios pacientes usaron dicha casilla para expresar que esa cuestión no les afectaba, finalmente, por directriz del departamento de metodología del Hospital Miguel Servet los temores marcados por los pacientes como “no aplicable” pasaron a ser tratados como “nada”. El segundo problema fue que un total de 14 preguntas no fueron debidamente contestadas por los pacientes en el cuestionario de Temores y 3 preguntas en el EuroQoL, por parte de la dirección de este proyecto se optó por rellenar estos datos perdidos con la media obtenida del resto de pacientes. 4.5 Herramientas globales Ha continuación se describen las herramientas necesarias en la realización de este proyecto. Principalmente han sido tres, Matlab, como herramienta para desarrollar los scripts de programación, la SOM Toolbox, caja de herramientas que permite trabajar con los SOM en Matlab y SPSS de IBM como programa de cálculo y análisis estadístico. Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 40 4.5.1 MATLAB El nombre Matlab simboliza Matrix Laboratory, originalmente escrito para proveer fácil acceso a software de matrices desarrollado por los proyectos Linpack y Eispack. MATLAB es un lenguaje de alto nivel para cálculos técnicos, además de un lenguaje de programación es un entorno de desarrollo para crear nuestras propias herramientas de cálculo. Es un lenguaje que trabaja con números reales o complejos y cadenas de caracteres pero de forma matricial, esto implica que un único escalar es interpretado como una matriz 1x1. Se puede trabajar de dos modos, el primero y más sencillo es el de escribir directamente en la línea de comandos la instrucción o calculo a realizar, prácticamente como una calculadora, y el otro uso, mucho más potente, es el crear nuestros propios scripts, fichero que agrupa una serie de instrucciones de MATLAB en el que no se requieren ni argumentos de entrada ni de salida y que permite la ejecución repetidas veces de esas órdenes de una forma sencilla y sin ser necesario teclearlas en cada ocasión. En este tipo de ficheros se operan con variables declaradas en la pantalla de comandos. Éste integra computación, visualización y programación, en un entorno donde los problemas y las soluciones son expresados con notación matemática. Los usos de Matlab son: - Matemática y Computación. - Desarrollo de algoritmos. - Modelamiento, simulación y prototipado. - Análisis de datos, exploración y visualización. - Graficas científicas e ingenieriles. - Desarrollo de aplicaciones, incluyendo construcción de interfaces gráficas de usuario. Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 41 MATLAB dispone de un código básico y además de diversas herramientas específicas de diferentes áreas o materias llamadas Toolbox, además de las lanzadas por los propios desarrolladores del programa, algunas son realizadas por iniciativas independientes para cubrir las necesidades particulares de diferentes campos de trabajo, esta propiedad le confiere al programa una modularidad y flexibilidad que hace que podamos adaptar su uso a nuestras necesidades, algunas toolboxes que se pueden encontrar son: - Procesamiento de señales. - Sistemas de control. - Redes neuronales. - Lógica difusa. - Simulación. El sistema Matlab consta de varias partes principales: Entorno de desarrollo: Es el conjunto de herramientas y módulos que ayudan a usar las funciones y archivos de MATLAB. Muchas de esas herramientas son interfaces gráficas de usuario. Esto incluye: el escritorio de Matlab, la ventana de comandos, el historial de comandos, un editor y un depurador, navegadores para revisión de la ayuda, el espacio de trabajo o Workspace y los archivos. La librería de funciones matemáticas: Constituida por una gran colección de algoritmos computacionales que van desde funciones elementales como la suma, la función seno y coseno, y la aritmética de números complejos hasta funciones mucho más sofisticadas como inversas de matrices, autovalores de matrices y transformadas radiadas de Fourier. El lenguaje MATLAB: Es un lenguaje de alto nivel para matrices con sentencias para control de flujo, creación de funciones y estructuras de datos, funciones de entrada/salida y algunas características de programación orientada a objetos. Este lenguaje Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 48 entrenado y que hemos aprendido, siendo capaces de ahora en delante de procesar los mismos estímulos o similares y elaborar una respuesta propia. Emulando ahora este modelo de procesador biológico se construyen las redes neuronales artificiales, tomando elementos básicos de procesamiento e interconectándolos entre sí. Las capacidades que se consigue copiar y que fundamentan este esfuerzo por emular el funcionamiento del cerebro son: - Asociación de patrones. - Tareas de clasificación. - Aproximación de funciones. - Control, partiendo de una señal de referencia, se ajustan unos parámetros libres para conseguir la salida deseada. - Predicción de estados futuros. 4.8.1.1 Modelo general de neurona artificial. Se denomina procesador elemental o neurona a un dispositivo simple de cálculo que, a partir de un vector de entrada procedente del exterior o de otras neuronas, proporciona una única respuesta de salida. Los elementos que constituyen la neurona son los siguientes: - Conjunto de entradas. Dado por el número de canales por los que recibe la información la neurona, pueden provenir de otras neuronas o del exterior. - Pesos sinápticos de la neurona. Valor que representa la intensidad de la unión sináptica entre neuronas, dando más importancia a unas frente a otras. - Regla de propagación, que proporciona el valor del potencial postsináptico de la neurona en función de sus pesos y entradas. Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 49 - Regla de activación, que proporciona el estado de activación actual de la neurona en función de su estado anterior y de su potencial postsináptico actual. - Función de salida, que proporciona la salida actual de la neurona en función de su estado de activación. La creación de este modelo de neurona está inspirada en la neurona biológica y en su propiedad de recibir diversas entradas y elaborar una respuesta. 4.8.1.2 Tipos de arquitecturas de redes neuronales. Se denomina arquitectura a la topología, estructura o patrón de conexionado de una red neuronal. En una red neuronal artificial los nodos se conectan por medio de sinapsis, agrupándose normalmente en grupos estructurales denominados capas cuyas neuronas pueden agruparse a su vez en grupos neuronales dando lugar a la red neuronal. Las capas neuronales se diferencian en tres tipos: - Capa de entrada, compuesta por las neuronas que reciben los datos del exterior de la red. - Capa de salida, la formada por las neuronas que proporcionan la respuesta de la red. - Capa oculta o intermedia, es aquella que no tiene una conexión directa con el exterior, esta capa dota a la red de más rango de libertad. A partir del número de capas se pueden diferenciar básicamente dos tipos de redes, monocapa (una única capa de neuronas) y multicapa (más de una capa de neuronas). Atendiendo al tipo de las conexiones capas se puede diferenciar entre conexiones intra-capa, aquellas presentes entre neuronas de una misma capa, conexiones inter-capa que son las existentes entre neuronas de diferente capa y las conexiones realimentadas que tienen sentido contrario al de salida. En Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 50 función de los sentidos del flujo de datos dentro de la red neuronal se pueden diferenciar aquellas redes en las que la información solo fluye en el sentido de salida, llamadas redes unidireccionales y aquellas en las que la información puede circular en cualquier sentido, redes recurrentes o realimentadas. 4.8.1.3 Fase de aprendizaje. Se trata del proceso por el que se ajustan los parámetros libres de la red neuronal. Cuando se construye una red neuronal se parte de un modelo concreto de neurona y de una arquitectura de red particular, estableciendo unos pesos sinápticos iniciales nulos o aleatorios. El aprendizaje se puede llevar a cabo en dos niveles, el primero y más convencional es el que modela los pesos sinápticos de la red y el segundo y más complejo incluye la creación o destrucción de neuronas, proceso mediante el cual se modifica la topología de la red. Existen cuatro tipos de aprendizaje destacados: - Aprendizaje supervisado: se presenta a la red un conjunto de patrones junto con la salida estimada o deseada e iterativamente se ajustan los pesos hasta que la salida se ajusta a la deseada. - Aprendizaje no supervisado o auto organizado: se trata de presentar a la red un conjunto de patrones sin la salida que esperamos, la red estima la función de probabilidad mediante la regla de aprendizaje, a partir de lo cual se pueden reconocer regularidades y patrones en el conjunto de entrada según su similitud. - Aprendizaje híbrido: coexisten ambos métodos de aprendizaje anteriores, supervisado y no supervisado, que normalmente tienen lugar en diferentes capas de neuronas. - Aprendizaje reforzado: a medio camino entre el supervisado y el no supervisado, se suministra el error cometido para ajustar los pesos sinápticos de la neurona pero no se llega a presentar la salida deseada. E 4.8. 1 pro b pro b Koh o la si m 4.8. 1 fuer o inte r SO F cab e dim e expl o E studio medi 1 .4 Elecc i Debido b ado su ef e b lemas pr á o nen. A demá s m ulación d 1 .5 Mapa s Conoci d o n desarr o r és como u F M posee n e destacar e nsiones, e o ratorio, v ante redes n Figura 9. Cl a i ón del m o a las nec e e ctividad e á cticos son s se dispo n d e este m o s Autoorg d os por su s o llados po r u na modeli n un gran p : clasifica c e xtracción isualizaci ó n euronales d a sificación de o delo de r e sidades d e e n la clasifi c los SOF M n e de la S O o delo neur o anizados , s siglas e n r el físico fi zación se n p otencial d e c ión de pat de rasgo s ó n y minerí a d e la inciden c e las RNA seg ú r ed neuro n e l proyect o cación de M (Self-Or g O M Toolb o o nal en M A , concept o n inglés co m nlandés T e n cilla de r e e aplicabil i rones, cu a s , monitori z a de dato s c ia de los inf a ú n aprendizaj e n al. o , el mode patrones d g anizing F e o x, una ca j A TLAB. o s. m o SOFM e uvo Koh o e des neur o i dad prácti a ntificació n z ación de p s . a rtos en la c a e y topología lo que má s d e entre di v e ature Ma p a de herr a o mapas d o nen. Ade m o nales nat u ca. De en t n vectorial, p rocesos, a c alidad de vi d Págin a s que ha versos p s) o map a a mientas p d e Kohon e m ás de su u rales, los t re las cua reducció n a nálisis d a a | 51 a s de ara e n, les n de E unid con s info r cap a ras g neu r más (cad det e la si g pro c un v del e entr a ese patr ó le h a que d pre s entr e E studio medi En este ireccional s iste en m r mación p r a . El proc e g os, consi s r onas, qu e corriente, d ena lineal e rminan su Cada n e g uiente c a En resu c esadores v ector de p En la fa e spacio d e a da y obs e estímulo, y ó n de entr a a n present d ado sens En fas e s ente un n u e la entra d ante redes n modelo d e de dos ca p neuronas, r ocedente d e samiento s tente habi t e operan e n a veces t a de neuro n localizaci ó e urona de a pa con un men, el m elemental e esos siná p se de apr e e entrada. e rvando c u y variar su a da que l a ado nume ibilizadas p e de ejecu c u evo valor d a y sus p e n euronales d e mapa, l a p as. La pr i una por c d el espaci o se realiza t ualmente n paralelo. a mbién se n as) o de t r ó n espaci a entrada e s peso siná Figura 10. a pa pued e e s (i, j) ord p ticos o ve e ndizaje c a El entren a u al es la n e peso sin á a hizo acti v rosos valo p ara difer e c ión, los p e de entrad a e sos sináp t d e la inciden c a s neuron a i mera es l a c ada varia b o de entra d en la seg u en una e s Aunque l a utilizan c a r es dimen s a l. s tá conect á ptico. Arquitectura d e describir s d enados e n e ctor de re f a da neuro n a miento s e e urona ve n á ptico para v arse. Tra s o res de en t e ntes patr o e sos per m a a la red, t icos, acti v c ia de los inf a a s se orga n a capa de e b le de entr a d a a las n e u nda capa s tructura r e a arquitect u a pas de u n s iones (pa r ada a tod a d e un SOM s e como u n n dos dim e f erencia (c n a sintoni z e produce p n cedora, l a que sea a s un proce s t rada a la r o nes de en m anecen fij o cada neu r v ándose la a rtos en la c a n izan en u n e ntrada o s a da, distri b e uronas d e , que form e ctangular u ra rectan g a sola di m r alelepípe d a s las neu r n a matriz d e nsiones, q o debook). a con dife r p resentad o a que más a ún más s e s o iterativ o r ed, las ne u trada. o s. Cuand o r ona calcu l neurona c c alidad de vi d Págin a n a arquite c s ensorial, b uyendo l a e la segun d a el mapa nx×ny gular es l a m ensión d o) que r onas de l a d e q ue almac e r entes ras g o un valor d se activa a e nsible a e o en el que u ronas ha b o se le lará la sim c uyo vect o d a a | 52 c tura que a d a de a a de e na g os d e a nte e se se b rán ilitud r de Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 53 pesos sea más similar al de entradas, conocida como Best-Matching Unit (BMU). Así cada neurona parece estar actuando como un detector de patrones. Dado que los mapas auto-organizados, en su fase de entrenamiento, mueven los pesos de vecindad en la misma dirección haciendo que entradas similares tiendan a excitar neuronas adyacentes formando un mapa de rasgos comunes, se utilizan varios métodos de interpretación como la U-matrix y los planos de componentes, desarrollados a continuación: U-matrix El U-matrix (matriz de distancia unificado) es una representación de un mapa auto-organizado (SOM), donde la distancia euclídea entre los vectores de referencia de las neuronas vecinas se representa en una imagen de escala de grises. Se utiliza para visualizar los datos en un espacio de alta dimensión utilizando una imagen 2D. Una vez que el SOM se entrena utilizando los datos de entrada, se espera que el mapa final no tenga ningún giro. Si el mapa no sufre distorsión, la distancia entre los vectores de referencia de neuronas vecinas da una aproximación de la distancia entre las diferentes partes de los datos subyacentes. Cuando dichas distancias se representan en una imagen en escala de grises, colores claros representan menor espacio entre vectores de referencia de los nodos y los colores más oscuros indican que los vectores de referencia están más separados. Por lo tanto, los grupos de colores claros pueden ser considerados como grupos y las partes oscuras como los límites entre los grupos. Esta representación puede ayudar a visualizar las agrupaciones en los espacios de alta dimensión o para reconocer automáticamente utilizando técnicas de procesamiento de imágenes relativamente simples. E valo anc h com cad a ma p tod o com E studio medi Planos Son un a res de ca d h o del mis m Esta di s ponentes a compon e Los val o p a con un t o ello relati v ponente. ante redes n de comp o a represe n d a uno de l m o. s tribución p más repre s e nte son l o o res de lo s ono oscur o v amente a n euronales d Figura 1 o nentes tación qu e os compo n p ermite es t s entativos o s que los c s compon e o indicand o a los valo r e d e la inciden c 1. Ejemplo d e e sirve par a nentes de t ablecer p a en cada u c aracteriz a e ntes se s u o valores a e s máximo s c ia de los inf a e U-matrix a ver cóm o los vector e a trones s o u no de los a n. u elen r epr e a ltos y un t s y mínim o a rtos en la c a o se distri b e s del ma p bre cuále s clusters y e sentar so b t ono claro o s para ca d c alidad de vi d Págin a b uyen los p a a lo lar g s son los qué valor e b re el pro p valores b a d a d a a | 54 g o y e s de p io a jos, E ma n Koh o 4.8. 2 pro c con X par á inici a sep a C E studio medi Se pue d n ejo y apli c o nen [48] [ 2 Config u Una ve z c esados p o X dado p o á metros. En nue s a lmente t e a rada con C onfigurac Su cont - '.typ e defi n - '.da dat o de l o - '.na stru c ante redes n Fig u d e ampliar c ación prof [ 49]. u ración i n z decidida s o r la red n e o r el núme r s tro caso, t e nemos do s los result a ión del so m enido es e e ': campo n ido y no s ta': camp o o s. En nue s o s paráme me': cam p c t complet o n euronales d u ra 12. Ejem p el conoci m undizand o n icial de l a s qué vari a e uronal se r o de paci e t enemos d s matrices a dos) y de m _data_s tr e l siguient e que conti e s e debe m o o con la m a s tro caso, tros. p o que con o . d e la inciden c p los de Plano s m iento de e o en las pu a red neur o a bles o pa r incluyen e e ntes e Y p d os encue s s de 103x6 103x27 d e t ruct o estr e : e ne el iden o dificar. a triz de da t contiene l a tiene el n o c ia de los inf a s de Compon e e stas red e blicacione s o nal. r ámetros s e n una ma t p or el núm s tas difere n del Euro Q e la encue s uctura de d tificador d e t os, cada f a base de o mbre con a rtos en la c a e ntes e s neurona s del propi on útiles p t riz de tipo e ro de var n ciadas y p Q oL (con o t s ta de tem o d atos. e l struct. V f ila supon e d atos sin l a el que se c alidad de vi d Págin a a les, de su i o Teuvo p ara ser “double” X r iables de p or ello t ra colum n ores. V iene ya e un vecto r as cabec e identifica a d a a | 55 X xY, n a r de e ras a l Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 56 - '.labels': campo con las etiquetas de cada vector. Debe contener tantas etiquetas como vectores hay en la matriz de datos es decir, tantas como pacientes tiene nuestro estudio. Este campo se puede modificar para que una vez entrenada la red nos muestre a qué pacientes es sensible cada neurona o a qué puntuación del EuroQoL. - '.comp_names': campo con las etiquetas del vector de componentes. En él se introducen los nombres de las variables con las que se ha entrenado el mapa. Compuesto por una matriz de 1xn, con n igual al número de variables utilizadas. - '.comp_norm': campo que contiene datos de la normalización de cada parámetro. Si no se realizase normalización de los datos estas celdas aparecerían vacías. Configuración de som_make. Esta instrucción es la encargada de crear, inicializar y entrenar el mapa auto-organizado, En ejecución, lo primero que hace es determinar el número de unidades del mapa y el tamaño. A continuación, realiza la inicialización lineal a lo largo de los dos vectores propios mayores, pero si esto no se puede hacer (los vectores propios no se pueden calcular), se ejecuta una inicialización al azar. Acto seguido se produce el entrenamiento del SOM, primero un entrenamiento en bruto y luego una puesta a punto. Para su correcta configuración es necesario ajustar los siguientes parámetros: - 'init': inicialización de los pesos sinápticos, se pueden establecer como aleatorios con 'randinit' o con valores lineales fijos 'lininit'. - 'algorithm': algoritmo de entrenamiento. Se pueden seleccionar 3 diferentes, entrenamiento secuencial, entrenamiento por lotes o mediante una interfaz gráfica propia de la SOM Toobox. - 'munits': número de unidades de mapa deseado. - 'msize': tamaño de la rejilla del mapa. - 'mapsize'. tamaño del mapa 'small' (x0.25 unidades del mapa), 'normal' (x1) o 'big' (x4). La asignación de valores explícitos en 'munits' o 'msize' anula esta configuración. Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 57 - 'lattice': forma geométrica de la rejilla, 'hexa' (hexagonal) o 'rect' (rectangular). - 'shape': forma del mapa, 'sheet' (plano), 'cyl' (cilíndrico) o 'toroid' (toroide). - 'neigh' función de vecindad con la que por cada iteración se decide si una neurona pertenece o no a la vecindad de la ganadora. Existen 4 tipos de función, sombrero, función pipa, gaussiano o rectangular. - 'topol': struct de la topología del mapa. - 'mask': máscara de búsqueda BMU. - 'name': nombre del mapa. - 'comp_names': nombres de las componentes. - 'tracking': este argumento se utiliza para controlar el número de informes durante el entrenamiento. - 'training': parámetro para el ajuste manual del entrenamiento 'short', 'default' o 'long'. Para nuestro caso, se han hecho las siguientes consideraciones y elegido las siguientes configuraciones: - Elegimos el tamaño grande de mapa, con la intención de que cada paciente pueda tener una neurona sensible a él. - Una inicialización de pesos lineal fija, para que cada vez que se entrene el mapa no sea aleatorio y los mapas obtenidos sean iguales. - Forma hexagonal de la rejilla, así la distancia entre centros de las neuronas vecinas es el mismo. - Forma del mapa en forma de plano. - Función de vecindad gaussiana. E E studio medi ante redes n n euronales d Figura 17. D e d e la inciden c e talle de los cl c ia de los inf a uster del SO M a rtos en la c a M c alidad de vi d Págin a d a a | 64 E enf e revi s hac e disf r que cob r pre o vida mis m E studio medi Este an e rmeras, e n s iones, al o e r de vient r r utar de la es un tem r e especia l A sí mis m o cupacion e actual al c m o númer o ante redes n Figur a álisis pod r n el mome o btener si g r e y por ot vida en c o or general l importan c m o, se ha e s con el n c onstatar q o de infart o n euronales d a 18. Planos d r ía corrobo nto de la f i g nificación ro lado la b o mpañía d e izado per o c ia. podido de s úmero de q ue pacie n o s no se si t d e la inciden c d e las 9 comp o o rar los est inalizació n estadístic a b aja signif i e amigos y o la red no scartar un infartos p r n tes con ín d túan cerc a c ia de los inf a o nentes entre udios reali n de este p a en el te m i cación es t y familiare s forma nin g a relación r evios y co d ices simi l a nos en el a rtos en la c a nadas. zados por royecto y a m or por el e t adística d e s , se pued e g ún cluste r directa de n el índice ares de E u SOM (Fig u c alidad de vi d Págin a el grupo d a falta de m e sfuerzo p el temor a e ver que s r en el qu e los temor e e de calida d u roQoL o u ra 19). d a a | 65 d e m ás p ara no s í e e s y d de E E studio medi F ante redes n igura 19. SO M n euronales d M etiquetado c d e la inciden c c on el resulta d c ia de los inf a d o EuroQoL y a rtos en la c a el nº de infart c alidad de vi d Págin a t os d a a | 66 E 4.1 2 S esc a trat a U disp e outl i D 78, 9 E studio medi 2 EuroQo L S e introduj e a la de aut o a de una m U n primer a ersos, es p i er, aquell o D e forma s 9 6 y 102, h ante redes n L 5D proc e e ron las 5 o valoració n m edida mu y a nálisis d e p or ello qu o s datos q u Fig u s ucesiva s e h asta con s n euronales d e sado co n variables q n , por reco y subjetiva l PCA (Fi g e debe re a u e están n u u ra 20. PCA E e fueron el s eguir un P Figura 21. P d e la inciden c n el SOM q ue comp o mendació n que debe g ura 20) m a lizarse la uméricam e E uroQoL con t o iminando l P CA más u PCA EuroQo L c ia de los inf a o nen el te s n del Grup ser anali z uestra qu e eliminació e nte dista n o dos los paci e os pacien t niforme ( F L sin outliers a rtos en la c a s t del Euro o EuroQo L ada por s e e los datos n de los d e n tes del re s e ntes t es 15, 30, F igura 21) c alidad de vi d Págin a o QoL sin l a L , ya que s e parado. están mu y e nominad o s to. 48, 63, 6 7 d a a | 67 a s e y o s 7 , E E paci e pun t pue d debi mis m E studio medi E n las figu r entes con f t uación en d e observ a do a que s m a puntua c ante redes n r as 22 y 2 3 f lictivos lo s el test del a r que no a s e encuen t c ión en el Figura 22. S O Figura n euronales d 3 adjuntas s clusters a EuroQoL. a parecen t t ran super p test. O M entrenada 23. SOM ent r d e la inciden c se puede a parecen m . En las eti odos los p p uestos e n con el Euro Q r enada con el c ia de los inf a ver que u n m ás unifor m quetas so b p acientes c n la mism a Q oL con todos EuroQoL sin a rtos en la c a n a vez eli m m es en cu a b re la red n c on su pun t a neurona a los pacientes outliers c alidad de vi d Págin a m inados lo s anto a su n euronal s tación, es t a l tener la s . d a a | 68 s s e t o es E neu r pun t infe r pun t cam líne a paci e únic a en l a fact o E studio medi En la U - r onas apa r t uaciones b r ior, esto e t uación tie n bio. Se pue d a s limítrof e entes tien e a neurona A partir a Figura 2 4 o res comu ante redes n - matrix se r ecen más b ajas apa r s debido a n de a ser b d e observ a e s más os c e n el mis m es sensib de este p u 4 de Calid a nes entre l n euronales d puede ob s cercanas r ece una z o a que pequ b aja cond u a r clarame n c uras, en l a m o índice d le a todos u nto se po d a d de Vid a l os clúster e Figur a d e la inciden c s ervar co m (colores m o na basta n u eñas vari a u cen a pu n nte varios a s u-matri x e calidad d ellos. d rían dete a , determi n e s. a 24. Niveles c ia de los inf a m o para pu m ás blanc o n te homo g a ciones en n tuaciones clusters, z x , esto es d d e vida E u rminar dif e n ados por p de CV a rtos en la c a ntuacione s o s) y en ca m énea gris e el test cu a muy difer e z onas blan c d ebido a q roQoL y p o e rentes ni v p untuacio n c alidad de vi d Págin a s altas las mbio para en la part e a ndo la e ntes, en cas con u n ue mucho or ello un a v eles indic a n es similar e d a a | 69 e n as s a a dos e s y E det a E studio medi - 0.0 3 vid a las a - 0.31 los p aun q obs e alg o - 0.6 5 casi acti v - 1; c a ma n dep r A travé s a lle las car a ante redes n 3 9 a 0.247; a , se cara c a ctividade s 8 a 0.645 4 p roblemas q ue cabrí a e rvables a o de ansie d 5 9 a 0.794 7 total de p r v idades co a lidad de v n ifiestan n o r imidos. s de los pl a a cterística s Figura 2 n euronales d se podría terizan po r s cotidiana 4 ; calidad para el cu a cierta dis c través de d ad o depr e 7 ; calidad r oblemas p tidianas p e v ida muy o tener nin g a nos de c o s comune s 2 5. Planos de d e la inciden c a calificar c r grandes a s y por pa d de vida m u idado per s c usión al a los plano s e sión y si n de vida a p ara el cui d e ro con al g alta u óp t g ún probl e o mponent e s de los gr u componente s c ia de los inf a c omo baja problema s d ecer gra n m edia, gru p s onal resp e a parecer d o s de comp o n ella. lta, caract e d ado pers o g o de dolo r t ima, aqu e e ma, no te n e s se pued u pos desc s EuroQoL sin a rtos en la c a o pobre c s para la r e n dolor o m p o con dis m e cto al ant o s subgru p o nentes (F e rizado p o o nal y de r r y malest a llos pacie n n er dolor y en observ a r itos. outliers. c alidad de vi d Págin a c alidad de e alización d m alestar. m inución e t erior grup o p os F igura 25), o r una aus e r ealización a r. n tes que y no sentir s ar con má s d a a | 70 d e e n o , con e ncia de s e s Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 71 5. CONCLUSIONES 5.1 Resultados. Tras la finalización de este proyecto se puede decir que se ha cumplido con los objetivos propuestos tal y como se describe a continuación. Estado del arte: Uno de los resultados principales de este proyecto es el trabajo de búsqueda de investigaciones y artículos relacionados con la materia, que establece un marco general sobre los trabajos que se están realizando en la integración de las redes neuronales en el campo de la calidad de vida y en particular a la calidad de vida relacionada con salud y evidencia la falta de estudios de esta índole dentro de nuestras fronteras por lo que cualquier avance sería pionero. Encuesta EuroQoL: A partir de la encuesta del EuroQoL se han podido establecer varios niveles de calidad de vida en cuanto a su cercanía en el mapa neuronal, aunque sería conveniente que dichos niveles fueran contrastados con otros estudios y encuestas. Se constató la necesidad de no procesar conjuntamente las 5 preguntas principales del test con la Escala Analógica Visual, al tratarse esta última de una medida completamente subjetiva solo da una idea de cómo el paciente percibe su calidad de vida frente a la medida objetiva. Sobre el manejo del EuroQoL 5D cabe destacar que es una encuesta sencilla, fácil de manejar y estudiar, pero debido al bajo número de preguntas, tan solo 5, y que solo cuentan con 3 posibles respuestas se propicia la formación de grupos de personas con exactamente las mismas respuestas y por consiguiente el mismo resultado en el test, hecho que dificulta enormemente la búsqueda de otros patrones. También hay que mencionar la facilidad con la que para fines docentes se puede solicitar ayuda a organizaciones como el Grupo EuroQoL, que facilitó la documentación y cierta orientación en el uso de su cuestionario y en la obtención de resultados. Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 72 Cuestionario “Temores, preocupaciones y afectación de la calidad de vida diaria de pacientes post infarto agudo de miocardio”. Inicialmente, se partió con la idea de poder establecer la “Encuesta de temores y preocupaciones” como una herramienta para evaluar la calidad de vida pero no se ha conseguido obtener una relación directa, esto es debido a que el temor o preocupación por la afección de un aspecto de la vida cotidiana no implica el sufrir de una baja calidad de vida y viceversa aunque después de replantear el objetivo sí que se pudo obtener algunos patrones del grupo de encuestados a partir de la selección de ciertos temores que puedan implicar una preocupación más global a perder calidad de vida. Por otro lado, la encuesta de temores y preocupaciones es una buena herramienta para elaborar una información útil para el paciente de cara a dar respuesta a sus preocupaciones y paliarlas en la medida de lo posible evitando así una posible pérdida de calidad de vida. Herramientas y conceptos: Se ha aprendido a manejar las herramientas características de la búsqueda bibliográfica, se han adquirido las habilidades y conocimientos necesarios para el manejo de MATLAB, la SOM Toolbox, IBM SPSS Statistics y los cuestionarios de calidad de vida involucrados directa o indirectamente en este proyecto (EuroQoL 5D-3L, MLHFQ, SF-36,…). Todo ello acompañado de la necesaria incorporación de nuevos conceptos como redes neuronales y calidad de vida. 5.2 Trabajos futuros. Del análisis de los resultados se pueden plantear algunos trabajos futuros para continuar en la línea de lo investigado hasta ahora y así obtener unas conclusiones más sólidas. - Dado que el resultado de la encuesta del EuroQoL no se obtiene mediante una fórmula lineal podría ser conveniente la elaboración de una herramienta de regresión capaz de estimar la calidad de vida a partir de las respuestas. Esta herramienta sería un perceptrón multicapa, ya que daría la facilidad de calcular la calidad de vida de un paciente nuevo después de ser entrenado. Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 73 - Otro trabajo posible sería la realización de una segunda encuesta para así poder analizar si finalmente dichas preocupaciones se han visto confirmadas con un descenso en la CVRS además de para valorar la evolución del paciente y ver qué parámetros se asocian a una mejoría o empeoramiento de la CVRS de los pacientes postinfartados. 5.3 Conclusiones personales. Realizar este proyecto me ha supuesto adentrarme en el mundo de la investigación, aprendiendo a utilizar las herramientas y a manejar conceptos ajenos a lo visto durante la carrera: MATLAB, redes neuronales, calidad de vida,… muchos conceptos que han ampliado mi visión de lo que un trabajo de ingeniería puede ser también. La fase de este proyecto que para mí destaca como la que pudo ser la más dificultosa de completar es la fase de documentación, percibiendo que la mayor dificultad de esta etapa es el aprender a diferenciar entre la información útil de la que no lo es, labor enormemente dificultada al encontrarse la gran mayoría de las publicaciones en un inglés muy técnico y que en muchos casos fue redactado por gente cuyo idioma nativo es otro. Algo que me ha resultado muy positivo es el haberme enfrentado a un proyecto que partía de una pequeña idea y que fue creciendo y cambiando conforme se obtenía nueva información. Quizá no quede reflejado en esta memoria, pero puede llegar a ser algo duro y desorientador el intentar encaminarse hacia un objetivo algo difuso e impreciso, por otra parte típico de los proyectos de investigación pero gracias al apoyo recibido he conseguido la conclusión de este proyecto. Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 80 [31] Arana E., Martí-Bonmatí L., Bautista D., Paredes R., «Diagnóstico de las lesiones de la calota. Selección de variables por redes neuronales y regresión logística,» Neurocirugía, vol. 14, nº 5, pp. 377-384, 2003. [32] Salgueiro M., «Discriminación de dos subgrupos de pacientes de SFM mediante mapas auto‐organizados a partir de la dimensión afectivo‐ motivacional del cuestionario de dolor McGill,» de Características clínicas en el síndrome de fibromialgia: asociación con la calidad de vida relacionada con la salud y contribución a la caracterización de subgrupos, Universidad del País Vasco, 2012, pp. 133-146. [33] SEPAR, Grupo de trabajo de la, «Herramientas para la medida de la calidad de vida relacionada con la salud,» de Manual SEPAR de procedimientos, Barcelona, novartis Farmacéutica S.A., 2007, pp. 23-28. [34] Gobierno de Aragón, Departamento de Salud y Consumo, «Escalas de valoración funcional y cognitiva.,» de Programa de atención a enfermos crónicos dependientes, Zaragoza, 2006, pp. 316-323. [35] Olivella M., Patricia C., Bastidas CV., «Fomento del autocuidado en la insuficiencia cardíaca,» Enfermería Global, nº 25, pp. 282-286, 2012. [36] «Grupo EuroQoL,» [En línea]. Available: http://www.euroqol.org/. [37] Mathworks, «Documentación de Matlab,» [En línea]. Available: http://www.mathworks.es/help/?s_cid=global_nav. [38] Mathworks, «Tutoriales de Matlab.,» [En línea]. Available: http://www.mathworks.es/academia/student_center/tutorials/?s_cid=global_nav. [39] Mathworks, «Foro de preguntas y respuestas sobre Matlab,» [En línea]. Available: http://www.mathworks.es/matlabcentral/answers/?s_cid=global_nav. [40] Grupo FMI, Departamento de matemática aplicada, Universidad de Zaragoza., Un curso de Matlab. [41] Casado M. C., Servicios informáticos U.C.M. apoyo a investigación y docencia., Manual básico de Matlab. Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 81 [42] García J., Rodríguez J. I., Vidal J.. Escuela Técnica Superior de Ingenieros Industriales, Universidad Politécnica de Madrid., Aprenda Matlab 7.0 como si estuviera en primero. [43] Department of Computer Science and Engineering, Helsinki University of Technology, «SOM Toolbox 2.0 downloadables,» [En línea]. Available: http://www.cis.hut.fi/projects/somtoolbox/download/. [44] Department of Computer Science and Engineering, Helsinki University of Technology, «SOM toolbox home,» [En línea]. Available: http://www.cis.hut.fi/projects/somtoolbox/. [45] Department of Computer Science and Engineering, Helsinki University of Technology, «SOM Toolbox, Ayuda y ejemplos,» [En línea]. Available: http://www.cis.hut.fi/projects/somtoolbox/package/docs2/somtoolbox.html. [46] IBM, «SPSS Neural Networks,» [En línea]. Available: http://www01.ibm.com/software/es/analytics/spss/products/statistics/. [47] Martín del Brío B., Sanz Molina A.,, Redes Neuronales y Sistemas Borrosos, RA-MA 2006, 2006. [48] T. Kohonen, Self-Organizing Maps, Springer-Verlag, 3ª Edición, 2001. [49] T. Kohonen, «Engineering applications of the self-organizing map,» Proceedings of the IEEE, vol. 84, pp. 1358-1384, 1996. Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 82 Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 83 8. ÍNDICE DE FIGURAS Figura 1. Infarto Agudo de Miocardio ............................................................... 11 Figura 2. Tablas de confusión entre actividades .............................................. 17 Figura 3. Estructura de la red ........................................................................... 20 Figura 4. Diagrama de flujo propuesto ............................................................. 22 Figura 5. Red neuronal propuesta .................................................................... 26 Figura 6. Calidad de vida inicial y 6 meses después ........................................ 30 Figura 7. U-matrix donde se observa la existencia de dos clústeres ................ 31 Figura 8. Ejemplo de PCA ................................................................................ 44 Figura 9. Clasificación de las RNA según aprendizaje y topología .................. 51 Figura 10. Arquitectura de un SOM .................................................................. 52 Figura 11. Ejemplo de U-matrix ........................................................................ 54 Figura 12. Ejemplos de Planos de Componentes ............................................ 55 Figura 13. SOM entrenado con los 27 parámetros del cuestionario de temores ............................................................................................................... 60 Figura 14. Preocupación por fumar .................................................................. 61 Figura 15. Situación laboral .............................................................................. 61 Figura 16.SOM entrenado con 9 temores y etiquetado con la preocupación media ..................................................................................................... 62 Figura 17. Detalle de los cluster del SOM ........................................................ 64 Figura 18. Planos de las 9 componentes entrenadas. ..................................... 65 Figura 19. SOM etiquetado con el resultado EuroQoL y el nº de infartos ........ 66 Figura 20. PCA EuroQoL con todos los pacientes ........................................... 67 Figura 21. PCA EuroQoL sin outliers ............................................................... 67 Figura 22. SOM entrenada con el EuroQoL con todos los pacientes. .............. 68 Figura 23. SOM entrenada con el EuroQoL sin outliers ................................... 68 Figura 24. Niveles de CV ................................................................................. 69 Figura 25. Planos de componentes EuroQoL sin outliers. ............................... 70 Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 84 Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 85 9. GLOSARIO Y ABREVIATURAS. Se añaden en este capítulo las palabras, abreviaturas y conceptos que han podido aparecer a lo largo de este trabajo cuya aclaración ayude a la comprensión del texto. Árbol de decisión: es un modelo de predicción que sirve para representar y categorizar una serie de condiciones que ocurren de forma sucesiva para la resolución de un problema. BMU: Best-Matching Unit, en los mapas auto-organizados es el nombre que se da a aquella neurona cuyo vector de pesos es más similar a la entrada. Cluster: castellanizado como clúster, su definición es la misma que la de conjunto, totalidad de los elementos o cosas poseedores de una propiedad común, que los distingue de otros. Coeficiente de correlación de Pearson: En estadística, es una medida de la relación lineal entre dos variables aleatorias cuantitativas. A diferencia de la covarianza, la correlación de Pearson es independiente de la escala de medida de las variables. De manera menos formal, podemos definir el coeficiente de correlación de Pearson como un índice que puede utilizarse para medir el grado de relación de dos variables siempre y cuando ambas sean cuantitativas. Coeficiente de correlación de Spearman: En estadística, es una medida de la correlación (la asociación o interdependencia) entre dos variables aleatorias continuas. La interpretación de coeficiente de Spearman es igual que la del coeficiente de correlación de Pearson. Oscila entre -1 y +1, indicándonos asociaciones negativas o positivas respectivamente, 0 cero, significa no correlación pero no independencia. Correlación: En probabilidad y estadística, indica la fuerza y la dirección de una relación lineal y proporcionalidad entre dos variables estadísticas. Se considera que dos variables cuantitativas están correlacionadas cuando los valores de una de ellas varían sistemáticamente con respecto a los valores homónimos de la otra. CV: Calidad de Vida. CVRS: Calidad de Vida Relacionada con la Salud. Distancia euclídea: es la distancia ordinaria entre dos puntos de un espacio. Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 86 Distribución t de Student: En probabilidad y estadística, es una distribución de probabilidad que surge del problema de estimar la media de una población normalmente distribuida cuando el tamaño de la muestra es pequeño. Aparece de manera natural al realizar la prueba t de Student para la determinación de las diferencias entre dos medias muestrales y para la construcción del intervalo de confianza para la diferencia entre las medias de dos poblaciones cuando se desconoce la desviación típica de una población y ésta debe ser estimada a partir de los datos de una muestra. Escala Likert: Es una escala psicométrica comúnmente utilizada en cuestionarios, y es la escala de uso más amplio en encuestas para la investigación, principalmente en ciencias sociales. Al responder a una pregunta de un cuestionario elaborado con la técnica de Likert, se especifica el nivel de acuerdo o desacuerdo con una declaración (elemento, ítem o reactivo o pregunta). IAM: infarto Agudo de Miocardio. IC: Intervalo de Confianza, en estadística, se llama a un par o varios pares de números entre los cuales se estima que estará cierto valor desconocido con una determinada probabilidad de acierto. Interface: En castellano interfaz, es el medio con que el usuario se comunica con una máquina o computadora. K nearest neighbours: método de clasificación de objetos basado en un entrenamiento mediante ejemplos cercanos en el espacio de los elementos. Es un tipo de entrenamiento donde la función se aproxima solo localmente y todo el cómputo es diferido a la clasificación. K-means: es un método de agrupamiento, que tiene como objetivo la partición de un conjunto en varios grupos en el que cada observación pertenece al grupo más cercano a la media. LVQ: Learning Vector Quantization, se trata de un modelo precursor al SOM inventado también por Teuvo Kohonen en el que se realiza un entrenamiento de refuerzo del vencedor. MLHFQ: Minnesota Living With Heart Failure Questionnaire. Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 87 Odds ratio: En español razón de momios (RM), es una medida estadística utilizada en estudios epidemiológicos transversales y de casos y controles, así como en los meta-análisis. En términos formales, se define como la posibilidad de que una condición de salud o enfermedad se presente en un grupo de población frente al riesgo de que ocurra en otro. En epidemiología, la comparación suele realizarse entre grupos humanos que presentan condiciones de vida similares, con la diferencia de que uno se encuentra expuesto a un factor de riesgo (mi) mientras que el otro carece de esta característica (mo). Por lo tanto, la razón de momios o de posibilidades es una medida de tamaño de efecto. Outlier: en castellano se denomina valor atípico, se trata de una observación que es numéricamente distante del resto de los datos, pueden ser indicativos de datos que pertenecen a un conjunto diferente al resto de la muestra. PCA: Principal Component Analysis, en español Análisis de Componentes Principales (ACP). Perceptrón multicapa: Es una red neuronal compuesta generalmente por 3 capas, de entrada, oculta y de salida, entrenada habitualmente mediante el algoritmo de retropropagación de errores, su uso potencial es el de aproximador universal de funciones. Prueba U de Mann-Whitney: En estadística, es una prueba no paramétrica aplicada a dos muestras independientes. QLQ-C30 y QLQ-BR23: Cuestionarios de calidad de vida que se realizan a pacientes con cáncer. RNA: Red Neuronal Artificial, en inglés ANN. Script: En informática, es un conjunto de instrucciones, generalmente almacenadas en un archivo de texto plano, que permite la automatización de tareas o cálculos. SOM: Self-Organized Map, en español Mapa Auto-Organizado. Struct: en programación, tipo de dato que bajo una misma etiqueta acoge varios objetos de diferentes tipos. Estudio mediante redes neuronales de la incidencia de los infartos en la calidad de vida Página | 88