Aprendizaje automático para detección de problemas cognitivos: una revisión de la literatura

• Rodriguez, Guillermo ^[1] ; Díaz, Valeria ^[2]
  1. [1] ISISTAN (UNICEN-CONICET)
  2. [2] Universidad de Palermo
• Localización: Ciencia y tecnología, ISSN 1850-0870, ISSN-e 2344-9217, Nº. 20, 2020, págs. 9-22
• Idioma: español
• DOI: 10.18682/cyt.vi0.4306
• Títulos paralelos:
  • Machine learning for detection of cognitive problems: a review of the literature
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    La detección de problemas cognitivos, especialmente en las primeras etapas es crítico y el método con el cual se diagnostica es manual y depende de uno o varios médicos especialistas para diagnosticarse. A la medida que el deterioro cognitivo escala entra en la primera etapa de demencia por ejemplo, la enfermedad de Alzheimer (EA). Las primeras etapas de la EA son muy similares al Deterioro Cognitivo Leve, por esto es fundamental poder identificar los posibles factores asociados con la enfermedad. El objetivo de esta investigación es demostrar que modelos automatizados pueden diferenciar y clasificar el Deterioro Cognitivo Leve (DCL) y la enfermedad de EA.Para esta investigación se utilizó una metodología de relevamiento donde se realiza un estudio de alrededor de 30 investigaciones donde exponen que los algoritmos de Machine Learning (ML) sirven de soporte al médico especialista para determinar si una persona tiene o no Alzheimer o algún tipo de demencia relacionada.Los algoritmos utilizados para la clasificación de problemas cognitivos y personas sanas (control) fueron: maquinas de soporte a la decisión (SVM), redes neuronales (RN), Árboles de Decisión (DT), y Naîve Bayes (NB).Según los hallazgos encontrados los algoritmos más utilizados para la clasificación son: SVM y Redes Neuronales, pero el algoritmo que tuvo mejor precisión fue NB.

  • English

    The detection of cognitive problems, especially in the early stages, is critical and the method by which it is diagnosed is manual and depends on one or more specialist doctors to diagnose itself. As the cognitive decline escalates into the early stage of dementia eg Alzheimer's disease (AD). The early stages of AD are very similar to Mild Cognitive Impairment, so it is essential to be able to identify the possible factors associated with the disease. The objective of this research is to demonstrate that automated models can differentiate and classify Mild Cognitive Impairment (MCI) and AD disease.For this research, a survey methodology was used where a study of around 30 investigations is carried out where they show that Machine Learning (ML) algorithms serve as support to the specialist doctor to determine whether or not a person has Alzheimer's or some type of dementia related.The algorithms used for the classification of cognitive problems and healthy people (control) were: decision support machines (SVM), neural networks (RN), Decision Trees (DT), and Naîve Bayes (NB).According to the findings, the most used algorithms for classification are: SVM and Neural Networks, but the algorithm that had the best precision was NB.

• Referencias bibliográficas
  • Alashwal, H., El Halaby, M., Crouse, J. J., Abdalla, A., & Moustafa, A. A. (2019). The application of unsupervised clustering methods...
  • Alzhe. (2019). 2019 Alzheimer’s disease facts and figures. Alzheimer’s & Dementia, 15(3), 321–387. https://doi.org/10.1016/j.jalz.2019.01.010
  • Alzheimer’s_Association. (2020). Alzheimer’s Association 2020 Facts and Figures Report. Alzheimer’s Association, 1. https://www.alz.org/alzheimers-dementia/facts-figures%0Ahttps://alz.org/alzheimers-dementia/facts-figures%0Ahttps://www.alz.org/alzheimers-dementia/facts-figures%0Ahttps://www.alz.org/media/Documents/alzheimers-facts-and-figures_1.pdf
  • Chen, R., & Herskovits, E. H. (2010). Machine-learning techniques for building a diagnostic model for very mild dementia. https://doi.org/10.1016/j.neuroimage.2010.03.084
  • Diagnóstico del Alzheimer | Español | Alzheimer’s Association. (n.d.). Retrieved May 20, 2020, from https://www.alz.org/alzheimer-demencia/diagnostico?lang=es-MX
  • Donoso, A., Venegas, P., Villarroel, C., & Vásquez, C. (2001). Deterioro cognitivo leve y enfermedad de Alzheimer inicial en adultos mayores....
  • Herrera-Rivero, M., Hernández-Aguilar, M. E., Manzo, J., & Aranda-Abreu, G. E. (2010). Alzheimer’s disease: Immunity and diagnosis. Revista...
  • Informe ADI/Bupa. (2013). La demencia en América: El coste y la prevalencia del Alzheimer y otros tipos de demencia. https://www.alz.co.uk/sites/default/files/pdfs/dementia-in-the-americas-SPANISH.pdf
  • Mayo Clinic. (n.d.-a). Demencia - Síntomas y causas - Mayo Clinic. Retrieved September 16, 2020, from https://www.mayoclinic.org/es-es/diseases-conditions/dementia/symptoms-causes/syc-20352013
  • Mayo Clinic. (n.d.-b). Estadios del Alzheimer: cómo avanza la enfermedad - Mayo Clinic. Retrieved August 26, 2020, from https://www.mayoclinic.org/es-es/diseases-conditions/alzheimers-disease/in-depth/alzheimers-stages/art-20048448
  • Mestizo Gutiérrez, S. L., Herrera Rivero, M., Cruz Ramírez, N., Hernández, E., & Aranda-Abreu, G. E. (2014). Decision trees for the analysis...
  • Nevala, K. (2017). The machine learning primer: A SAS best practices e-book. SAS Institute Inc., 53.
  • Orimaye, Sylvester O., Wong, J. S. M., Golden, K. J., Wong, C. P., & Soyiri, I. N. (2017). Predicting probable Alzheimer’s disease using...
  • Orimaye, Sylvester Olubolu, Wong, J. S.-M., & Golden, K. J. (2014). Workshop on Computational Linguistics and Clinical Psychology: From...
  • Payan, A., & Montana, G. (2015). Predicting Alzheimer’s disease a neuroimaging study with 3D convolutional neural networks. ICPRAM 2015...
  • Sarraf, S., & Tofighi, G. (2016). Classification of Alzheimer’s Disease Structural MRI Data by Deep Learning Convolutional Neural Networks....
  • Wang, L., & Liu, Z. P. (2019). Detecting diagnostic biomarkers of Alzheimer’s disease by integrating gene expression data in six brain...
  • Williams, J. A., Weakley, A., Cook, D. J., & Schmitter-Edgecombe, M. (2013). Machine learning techniques for diagnostic differentiation...
  • Ye, J., Wu, T., Li, J., & Chen, K. (2011). Machine learning approaches for the neuroimaging study of Alzheimer’s disease. Computer, 44(4),...