Early diagnosis of disorders based on behavioural shifts and biomedical signals

• Autores: Ane Alberdi Aramendi
• Directores de la Tesis: Asier Aztiria Goenaga (dir. tes.) , Adrian Basarab (codir. tes.) , Urko Zurutuza Ortega (codir. tes.)
• Lectura: En la Mondragon Unibertsitatea ( España ) en 2017
• Idioma: español
• Tribunal Calificador de la Tesis: Diego López de Ipiña González de Artaza (presid.) , Maitane Barrenechea Carrasco (secret.) , Maria Goreti Carvalho Marreiros (voc.) , Javier Mar Medina (voc.) , José Javier Yanguas Lezaun (voc.)
• Enlaces
  • Tesis en acceso abierto en:  TESEO  eBiltegia 
• Resumen

  • Hay muchos trastornos que afectan directamente el comportamiento de las personas. Las personas que sufren un trastorno de este tipo no son conscientes de su situación, y frecuentemente los trastornos son identificados por los familiares o compañeros de trabajo porque notan cambios de comportamiento. Sin embargo, cuando estos cambios se hacen notorios, a menudo es demasiado tarde y se han producido ya daños irreversibles. La detección temprana es la clave para prevenir daños graves relacionados con la salud y los costos de atención médica, así como para mejorar la calidad de vida de las personas. Hoy en día, en pleno apogeo del paradigma de la computación omnipresente, los patrones de comportamiento de los usuarios pueden ser monitoreados discretamente por medio de interacciones con muchos dispositivos electrónicos. La aplicación de esta tecnología para el problema en cuestión conduciría al desarrollo de sistemas capaces de controlar el inicio y el progreso de los trastornos de manera omnipresente y discreta, permitiendo así su detección temprana. Se han propuesto algunos intentos para la detección de trastornos específicos basados en estas tecnologías, pero aún falta una metodología global que pudiera ser útil para la detección temprana de una amplia gama de trastornos. Esta tesis pretende llenar esa brecha presentando como principal aporte una metodología de cribado global para la detección precoz de trastornos basada en el monitorización discreta de datos fisiológicos y de conducta. La metodología propuesta es el resultado de un análisis de caso entre dos escenarios de validación individuales: el estrés en el lugar de trabajo y el Alzheimer en el hogar, de los que se han extraído conclusiones que contribuyen a cada uno de los dos campos de investigación. El análisis de similitudes y diferencias entre los dos casos de estudio ha llevado a una definición completa y generalizada de los pasos a seguir para la detección de un nuevo trastorno basado en la computación ubicua.