COMUNICACIÓN POSTER
AUTORES
Vázquez Marrufo, Manuel 1; Sarrias Arrabal, Esteban 2; García Torres, Miguel 3; Martín Clemente, Ruben 4; Izquierdo Ayuso, Guillermo 5
CENTROS
1. Unidad de Esclerosis Múltiple. Servicio de Neurología. Hospital Virgen Macarena; 2. Servicio: Dpto Psicología Experimental. Universidad de Sevilla; 3. Servicio: División de Ciencia Computacional. Universidad Pablo de Olavide; 4. Servicio: Dpto de procesamiento de la señal y comunicaciones. Universidad de Sevilla; 5. Unidad de Esclerosis Múltiple. Hospital VITHAS Aljarafe
OBJETIVOS
Revisión sistemática de la aplicación de algoritmos de machine learning (ML) en la esclerosis múltiple (EM).
MATERIAL Y MÉTODOS
Empleando el motor de búsqueda de libre acceso PubMed que accede a la base de datos MEDLINE, se seleccionaron aquellos estudios que incluyeran simultáneamente los dos siguientes conceptos de búsqueda: “Machine learning” y “Multiple Sclerosis”. Se rechazaron aquellos estudios que fueran revisiones, estuvieran en otro idioma que no fuera el castellano o el inglés, y aquellos trabajos que tuvieran un carácter técnico aplicable a diversas patologías.
RESULTADOS
La búsqueda permitió una selección de 76 artículos y 38 fueron rechazados. Los trabajos fueron divididos en cuatro categorías: 1) Clasificación de subtipos de pacientes dentro de la patología; 2) Diagnóstico del paciente EM respecto de sujetos control y pacientes de otras patologías; 3) Predicción del curso evolutivo y de la respuesta al tratamiento farmacológico y 4) Otros enfoques.
CONCLUSIONES
El estudio de revisión muestra que la aplicación de los algoritmos de ML se ha disparado en los últimos años en el campo de la EM. Diversos enfoques están siendo planteados y que principalmente consisten en la clasificación de los pacientes, y en particular está teniendo un gran auge la predicción del curso evolutivo del paciente. La precisión de los algoritmos de ML aplicados está comprendido en un rango desde el 59% hasta el 98.9%. Los resultados hallados hasta la fecha muestran que los diferentes algoritmos de ML pueden ser un gran apoyo para el profesional sanitario tanto en la clínica como en la investigación básica de la EM.
