Mi SciELO
Servicios Personalizados
Articulo
Indicadores
- Citado por SciELO
Links relacionados
- Similares en SciELO
Compartir
Revista Información Científica
versión On-line ISSN 1028-9933
Resumen
GONZALEZ-RUBIO, Tahimy; RODRIGUEZ-ALDANA, Yissel; MARANON-REYES, Enrique J. y MONTOYA-PEDRON, Arquímedes. Estrategia para la toma de decisiones en el reconocimiento automático de estados de sedación anestésica. Rev. inf. cient. [online]. 2022, vol.101, n.3 Epub 09-Mayo-2022. ISSN 1028-9933.
Introducción:
La Anestesiología es la especialidad médica dedicada a la atención específica de los pacientes durante procedimientos quirúrgicos y en cuidados intensivos. Esta especialidad basada en los avances científicos y tecnológicos, ha incorporado el uso del monitoreo electroencefalográfico, facilitando el control continuo de estados de sedación anestésica durante las cirugías, con una adecuada concentración de fármacos.
Objetivo:
Proponer una estrategia de clasificación para el reconocimiento automático de tres estados de sedación anestésica en señales electroencefalográficas.
Método:
Se utilizaron con consentimiento informado escrito los registros electroencefalográficos de 27 pacientes sometidos a cirugía abdominal, excluyendo aquellos con antecedentes de epilepsia, enfermedades cerebrovasculares y otras afecciones neurológicas. Se aplicaron en total 12 fármacos anestésicos y dos relajantes musculares con montaje de 19 electrodos según el Sistema Internacional 10-20. Se eliminaron artefactos en los registros y se aplicaron técnicas de Inteligencia artificial para realizar el reconocimiento automático de los estados de sedación.
Resultados:
Se propuso una estrategia basada en el uso de máquinas de soporte vectorial con algoritmo multiclase Uno-Contra-Resto y la métrica Similitud Coseno, para realizar el reconocimiento automático de tres estados de sedación: profundo, moderado y ligero, en señales registradas por el canal frontal F4 y los occipitales O1 y O2. Se realizó una comparación de la propuesta con otros métodos de clasificación.
Conclusiones:
Se computa una exactitud balanceada del 92,67 % en el reconocimiento de los tres estados de sedación en las señales registradas por el canal electroencefalográfico F4, lo cual favorece el desarrollo de la monitorización anestésica.
Palabras clave : señales electroencefalográficas; estados de sedación anestésica; reconocimiento automático; máquinas de soporte vectorial.