Predicción de estados de hipotensión empleando modelos ocultos de Markov

• Autores: Diego Evin, Alejandro Hadad, Mauro Martina, Bartolomé Drozdowicz
• Localización: Revista Facultad de Ingeniería, ISSN-e 2357-5328, ISSN 0121-1129, Vol. 20, Nº. 30, 2011, págs. 55-64
• Idioma: español
• Títulos paralelos:
  • Hypotension States� Prediction by using the Hidden Markov Models
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Se estudia la utilización demodelos ocultos deMarkov para predecir estados de hipotensión en pacientes internados en unidades de cuidados intensivos. El procedimiento de predicción desarrollado cuenta con dos modelos de Markov, uno entrenado con datos fisiológicos de pacientes que en un determinado intervalo de tiempo desarrollan estados de hipotensión, y otro entrenado con datos de pacientes en los cuales no se registra dicho cuadro. Ante datos de un nuevo paciente y empleando un marco bayesiano, el sistema estima qué modelo explica mejor las nuevas observaciones, y se establece una asociación del paciente a la clase del modelo seleccionado.

    Experimentos preliminares empleando el modelo propuesto sobre datos estándar muestran resultados promisorios.

  • English

    It studies the application of Markov Hidden Models to predict the hypotensive episodes occurring in the intensive care units. The prediction procedure designed, has two Markov models: The first one trained with the physiological data from patients which developed states of hypotension in a specific range of time, and another model fed with data from patients to whom the episode wasn�t registered.

    Given the data from a new patient, and using a Bayesian framework, the system estimates which model best explains the new observations, and establishes a patient association with the type of the selected model. Preliminary experiments using the proposed model over standard data shows promising results.