Resumen

El sistema ciberfísico human-in-the-loop aporta numerosas soluciones a los retos a los que se enfrentan los médicos. Existe una tendencia lineal de avance y automatización en el campo de la medicina para el diagnóstico precoz de varias enfermedades. Una de las enfermedades más críticas y difíciles en el campo de la medicina es el coma. Actualmente, en el campo de la investigación médica, la predicción de estas enfermedades se realiza únicamente utilizando los datos recogidos de los dispositivos; sin embargo, la aportación humana es esencial para comprender con precisión su estado de salud y tomar la decisión adecuada a tiempo. Por lo tanto, hemos propuesto un marco de asistencia sanitaria que incluye el concepto de inteligencia artificial en el sistema ciberfísico humano en bucle. Este modelo funciona a través de un bucle de respuesta en el que la intención del ser humano se concluye mediante la recopilación de señales biológicas y datos contextuales y, a continuación, la decisión se interpreta a una acción del sistema que es reconocible para el ser humano en el entorno físico, completando así el bucle. En este artículo, hemos diseñado un modelo para el pronóstico precoz del coma utilizando el conjunto de datos del electroencefalograma. En el enfoque propuesto, hemos logrado los mejores resultados utilizando un algoritmo de aprendizaje estadístico denominado media móvil integrada autorregresiva en comparación con las redes neuronales artificiales y los modelos de memoria a corto plazo de larga duración. Para medir la eficacia de nuestro modelo, hemos utilizado los valores de error cuadrático medio (RMSE), error absoluto medio (MAE) y error cuadrático medio (MSE) para evaluar los modelos lineales, ya que proporciona la diferencia entre el valor medido y el valor verdadero o correcto. Hemos conseguido el menor valor de error posible para nuestro conjunto de datos. Para llevar a cabo este experimento, hemos utilizado el conjunto de datos disponible en la comunidad de código abierto phsyionet.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:humano, conjunto de datos, bucle, modelo, ámbito médico, sistema físico, error al cuadrado, valor mínimo de error posible, redes neuronales artificiales, ámbito de investigación médica
• Keywords:human, dataset, loop, model, medical field, physical system, squared error, least possible error value, artificial neural networks, medical research field