Aportaciones desde la Psicología Cognitiva y la Inteligencia Artificial al diagnóstico de la enfermedad de Alzheimer

Guerrero Triviño, José María. Aportaciones desde la Psicología Cognitiva y la Inteligencia Artificial al diagnóstico de la enfermedad de Alzheimer . 2013. Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial

Ficheros (Some files may be inaccessible until you login with your e-spacio credentials)
Nombre Descripción Tipo MIME Size
Documento.pdf Pdf del documento application/pdf

Título Aportaciones desde la Psicología Cognitiva y la Inteligencia Artificial al diagnóstico de la enfermedad de Alzheimer
Autor(es) Guerrero Triviño, José María
Resumen Esta tesis doctoral tiene por objeto colaborar al diagnóstico de la EA en fase leve y moderada desde el campo de la Psicología Cognitiva y la IA. Para ello, se ha elaborado un método de diagnóstico que pretende ser complementario a las técnicas habituales, que permite identificar el deterioro cognitivo, de la memoria semántica declarativa, compatible con el estado más o menos leve de la EA. Es decir, estas alteraciones cognitivas se manifiestan de manera muy sutil en las primeras fases de la evolución de la enfermedad, permitiendo por tanto, su diagnóstico temprano. La enfermedad de Alzheimer (EA) es una de las principales causas de demencia entre los ancianos; la prevalencia de esta enfermedad se incrementa con la edad, siendo responsable de entre el 50% y el 70% de los casos de demencia en la UE [2]. Esta enfermedad produce graves consecuencias en el paciente y, en su entorno familiar y social, sin mencionar el elevado coste económico que supone para las administraciones públicas, tanto en el ámbito sanitario, como en la atención socio-sanitaria. El deterioro cognitivo leve (DCL) es un precursor de la enfermedad de Alzheimer y otras enfermedades neurodegenerativas (ENs). Una de las manifestaciones del DCL es el deterioro de la memoria semántica en sus aspectos declarativos. Diversas investigaciones indican que la EA y otras ENs causan trastornos en la memoria semántica, provocando errores en la denominación y descripción de objetos [3], es decir, entre otros síntomas, causa un deterioro semántico de categorías específicas referentes a categorías naturales y objetos básicos, y que además, se van degradando con el tiempo. Las investigaciones sugieren que el lóbulo temporal podría ser el responsable del deterioro de categorías específicas en los trastornos de la memoria semántica [4]. El deterioro semántico que cursa un déficit léxico-semántico-conceptual en la EA, es estudiado en el Corpus Lingüístico de Definiciones Orales elaborado por Peraita y Grasso [1], donde se analiza cómo se representan mentalmente determinadas categorías semánticas mediante modelos teóricos de rasgos o atributos semánticos, obtenidos a través de tareas lingüísticas explícitas. Por otro lado, en la literatura científica se señala un deterioro semántico diferencial entre las categorías de seres vivos y seres no vivos, y entre determinados tipos de rasgos. Esto se debe a un daño degenerativo del sistema nervioso central que provoca que algunas categorías semánticas se deterioren o se pierdan diferencialmente [1,5,6]. Este deterioro semántico diferencial se ha podido evidenciar en algunos enfermos de EA y otras enfermedades neurodegenerativas. En esta investigación se propone un método de diagnóstico de la EA complementario a las técnicas habituales, desde el campo de la psicología cognitiva y la inteligencia artificial (IA). A partir del análisis de los rasgos semánticos contenidos en definiciones orales de determinadas categorías semánticas, proporcionado por el corpus [1], se generan evidencias para una red bayesiana (BN) con las que se hallan patrones complejos de interacción entre la producción oral de rasgos semánticos y la EA. En esta tesis doctoral se ha diseñado un software que utiliza principalmente redes Bayesianas discretas e hibridas, combinándose estas BNs con otras técnicas de IA como los árboles de decisión o el análisis de clúster. El modelo cualitativo de estas redes Bayesianas (BNs) se ha diseñado a partir del conocimiento del dominio y el modelo cuantitativo se ha aprendido con algoritmos de aprendizaje automático, diseñados específicamente para esta investigación. En esta investigación se han desarrollado varios modelos de BN para las que se han utilizado distintas técnicas de modelado, las cuales representan condiciones y descubrimientos de la EA obtenidas de la literatura científica [1,7,8]. Con este software se han realizado numerosos experimentos con los que se han conseguido unos resultados excelentes, siendo especialmente relevante el resultado obtenido con la BN que modela de forma explícita el deterioro semántico diferencial entre los dominios semánticos de seres vivos y de seres no vivos. En otro experimento se ha constatado una influencia informativa entre la edad y nivel educativo, y la producción oral de rasgos semánticos. También es interesante la comparativa del resultado entre, una BN que modela la segmentación de las producción oral de atributos en los once bloques conceptuales que propone el corpus lingüístico de Peraita y Graso [1], y una BN que no segmenta la producción oral de rasgos semánticos en estos bloques conceptuales. Del mismo modo, se han conseguido unos resultados excelentes en los experimentos con redes Bayesianas hibridas, las cuales utilizan variables latentes para realizar construcciones hipotéticas de modelos causales basándose en hallazgos sobre la EA extraídos de la literatura científica. Los resultados conseguidos en esta tesis doctoral son prometedores, creemos sinceramente que el método de diagnóstico que proponemos podría llegar a ser de aplicación clínica y no quedarse únicamente en el plano experimental. Este método de diagnóstico podría complementar, en la clínica diaria, a las técnicas habituales de diagnóstico; sería un método muy barato, ecológico y accesible a poblaciones más extensas, en comparación con los métodos de diagnóstico basados en la evaluación clínica. Confiamos en que el método de diagnóstico que proponemos sea sólo el principio de un proyecto de investigación más ambicioso, que permita hallar una evidencia convergente/discriminante del diagnóstico de la EA y otras enfermedades neurodegenerativas; explotando al máximo las posibilidades de la psicología cognitiva y la IA, y extendiendo la metodología a otros campos como la neuropsicología cognitiva o la neurología.
Materia(s) Ingeniería Informática
Editor(es) Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial
Director de tesis Martínez Tomás, Rafael (Director de Tesis)
Peraita Adrados, Herminia (Codirectora de Tesis)
Fecha 2013-07-03
Formato application/pdf
Identificador tesisuned:IngInf-Jmguerrero
http://e-spacio.uned.es/fez/view/tesisuned:IngInf-Jmguerrero
Idioma spa
Versión de la publicación acceptedVersion
Nivel de acceso y licencia http://creativecommons.org/licenses/by-nc-nd/4.0
info:eu-repo/semantics/openAccess
Tipo de recurso Thesis
Tipo de acceso Acceso abierto

 
Versiones
Versión Tipo de filtro
Contador de citas: Google Scholar Search Google Scholar
Estadísticas de acceso: 3642 Visitas, 3041 Descargas  -  Estadísticas en detalle
Creado: Wed, 10 Jul 2013, 10:06:28 CET