Aplicación de técnicas de Inteligencia Artificial Explicable para la identificación de factores relacionados con la calidad de sueño en adultos sanos
P. Chausa, M. Gutiérrez, J. Solana-Sánchez, G. Cattaneo, J.M. Tormos, P. Sánchez-González, D. Bartrés-Faz, A. Pascual-Leone, E.J. Gómez
CASEIB 2023
En los últimos años, la comunidad científica ha investigado sobre la influencia de los hábitos de vida, conductas y características de cada persona en el bienestar, mantenimiento de la salud y en la posibilidad de desarrollar enfermedades neurológicas y psiquiátricas. Los estudios realizados han demostrado que factores modificables relacionados con el estilo de vida influyen de forma determinante, siendo la calidad y los hábitos de sueño uno de esos factores. El sueño impacta en la salud, bienestar y productividad de las personas. Así, la cantidad de tiempo que dormimos es un factor predictivo de la función cognitiva influyendo incluso en la estructura del cerebro. Con el fin de extraer información sobre qué variables afectan más a la calidad de sueño, y por extensión a la salud y el bienestar de las personas, este trabajo de investigación describe la aplicación de técnicas de machine learning e Inteligencia Artificial Explicable (XAI) sobre el conjunto de datos de la Barcelona Brain Health Initiative, un estudio longitudinal y prospectivo de cohortes de base poblacional en el que participan más de 6000 voluntarios entre 40 y 70 años. Como resultado, la relevancia percibida de la rutina diaria, la percepción de llevar una vida plena y la preocupación por las opiniones ajenas, entre otros, podrían ser factores relacionados con la calidad de sueño.
Diseño e implementación de un modelo basado en inteligencia artificial para estimar el consumo máximo de oxígeno en adultos de mediana edad
P. Chausa, J. Pájaro, J. Solana-Sánchez, G. Cattaneo, G. España-Irla, J.M. Tormos, P. Sánchez-González, D. Bartrés-Faz, A. Pascual-Leone, E.J. Gómez
CASEIB 2023
El cálculo preciso del consumo máximo de oxígeno (VO2max) es esencial para evaluar la aptitud cardiorrespiratoria y la salud general de un individuo. Tradicionalmente, la medición del VO2max requiere que los pacientes se sometan a pruebas de ejercicio extenuantes en entornos clínicos, lo que limita significativamente la accesibilidad y la conveniencia. En este trabajo de investigación se presenta un modelo de estimación del valor del VO2max basado en inteligencia artificial, que permite evaluar a las personas de forma remota mediante cuestionarios autoadministrados o midiendo variables antropométricas, evitando así la necesidad de someterse a pruebas físicas. Para realizar esta investigación, se han utilizado datos recogidos por la Barcelona Brain Health Initiative (BBHI) que alimentan varios algoritmos de inteligencia artificial con el fin de comparar y seleccionar el que ofrece mejor rendimiento. BBHI es un estudio longitudinal prospectivo en curso patrocinado por el Institut Guttmann centrado en identificar los determinantes de la salud cerebral. Este trabajo demuestra que es posible definir e implementar algoritmos basados en inteligencia artificial para la estimación del VO2max, logrando resultados prometedores y superando el estado del arte.