Meu SciELO
Serviços Personalizados
Artigo
Indicadores
- Citado por SciELO
Links relacionados
- Similares em SciELO
Compartilhar
Revista Información Científica
versão On-line ISSN 1028-9933
Resumo
GONZALEZ-RUBIO, Tahimy; RODRIGUEZ-ALDANA, Yissel; MARANON-REYES, Enrique J. e MONTOYA-PEDRON, Arquímedes. Estratégia de tomada de decisão para reconhecimento automático de estados de sedação. Rev. inf. cient. [online]. 2022, vol.101, n.3 Epub 09-Maio-2022. ISSN 1028-9933.
Introdução:
A Anestesiologia é a especialidade médica dedicada ao atendimento específico de pacientes durante procedimentos cirúrgicos e em terapia intensiva. Essa especialidade, baseada nos avanços científicos e tecnológicos, incorporou o uso da monitorização eletroencefalográfica, facilitando o controle contínuo dos estados de sedação anestésica durante as cirurgias, com concentração adequada de fármacos.
Objetivo:
Propor uma estratégia de classificação para o reconhecimento automático de três estados de sedação anestésica em sinais eletroencefalográficos.
Método:
Foram utilizados registros eletroencefalográficos de 27 pacientes submetidos à cirurgia abdominal com consentimento informado por escrito, excluindo aqueles com histórico de epilepsia, doenças cerebrovasculares e outras condições neurológicas. Um total de 12 drogas anestésicas e dois relaxantes musculares foram aplicados com um conjunto de 19 eletrodos de acordo com o Sistema Internacional 10-20. Artefatos nos prontuários foram removidos e técnicas de inteligência artificial foram aplicadas para realizar o reconhecimento automático dos estados de sedação.
Resultados:
Foi proposta uma estratégia baseada no uso de máquinas de vetores de suporte com algoritmo One-Against-Rest multiclasse e a métrica Cosine Similarity para realizar o reconhecimento automático de três estados de sedação: profundo, moderado e leve, em sinais registrados pelo canal frontal F4 e os canais occipitais O1 e O2. Foi feita uma comparação da proposta com outros métodos de classificação.
Conclusões:
Uma acurácia equilibrada de 92,67% é computada no reconhecimento dos três estados de sedação nos sinais registrados pelo canal eletroencefalográfico F4, o que favorece o desenvolvimento da monitorização anestésica.
Palavras-chave : sinais eletroencefalográficos; estados de sedação anestésica; reconhecimento automático; máquinas de vetor de suporte.