Intelligent computing-based systems for diagnosing mild cognitive impairment and Alzheimer'S disease. Towards an e-health solution

• Autores: Ylermi Cabrera León
• Directores de la Tesis: Carmen Paz Suárez Araujo (dir. tes.), Patricio García Báez (codir. tes.)
• Lectura: En la Universidad de Las Palmas de Gran Canaria ( España ) en 2025
• Idioma: español
• Tribunal Calificador de la Tesis: Ignacio Rojas Ruiz (presid.), Pablo Fernández López (secret.), Roberto Luis Marichal Plasencia (voc.)
• Programa de doctorado: Programa de Doctorado en Empresa, Internet y Tecnologías de las Comunicaciones por la Universidad de Las Palmas de Gran Canaria
• Enlaces
  • Tesis en acceso abierto en: accedacris.ulpgc.es
• Resumen

  • El aumento de la población envejecida conlleva más personas con enfermedades no transmisibles asociadas al envejecimiento, como la demencia, siendo la más prevalente la Enfermedad de Alzheimer (EA). Son el mayor reto sociosanitario al que se enfrentan nuestras sociedades, siendo su diagnóstico y manejo, un problema complejo de la medicina clínica.

    La EA muestra un curso continuo y progresivo, superior a 15 años, distinguiéndose en ella diferentes fases transformativas. La fase prodrómica se ha incluido dentro del constructo sindrómico Deterioro Cognitivo Leve (DCL), en el cual el sujeto presenta un déficit cognitivo intermedio entre el envejecimiento del cerebro sano (CN) y la demencia.

    En esta tesis proponemos dos nuevas arquitecturas neuronales híbridas, la Modular Hybrid Growing Neural Gas (MyGNG) y la Supervised Reconfigurable Growing Neural Gas (SupeRGNG), basadas en la red neuronal ontogénica Growing Neural Gas. Con ellos desarrollamos sistemas inteligentes de ayuda al diagnóstico de la EA y el DCL, presentando una propuesta de investigación traslacional para abordar este problema diagnóstico.

    MyGNG y SupeRGNG han obtenido resultados óptimos en la clasificación binaria o diferencial entre CN, DCL y EA, usando datos de ADNI. Superan a métodos de aprendizaje automático neuronales y no neuronales, y a técnicas de aprendizaje profundo.

    Se han obtenido, también, conjuntos de criterios diagnósticos óptimos para las tareas de clasificación tratadas, lo que posibilitará a los clínicos establecer un protocolo de criterios diagnósticos estándar en el diagnóstico de la EA.

    Su integración en un entorno clínico virtual de ayuda al diagnóstico nos ha permitido proponer una solución de e-Salud que dará lugar al diagnóstico universal en el ámbito de las demencias y de las patologías neuropsicológicas en general. Ello supondrá una mejora en la calidad de vida del paciente por la posibilidad de acceder a un diagnóstico, la rapidez del mismo, así como su fiabilidad.