Procesamiento de lecturas de actividad motriz para el desarrollo de un modelo de clasificación de pacientes con depresión y personas sanas.

Abstract

La depresión es un trastorno mental que puede volverse crónico y obstaculiza significativamente el rendimiento de la vida diaria. En su forma más grave, puede llevar al suicidio. Las mediciones de actividad motriz se han convertido en un tema emergente en el campo de la salud mental. Varios estudios utilizan sensores para medir los movimientos de los pacientes a lo largo del tiempo para ayudar al diagnostico. El objetivo es desarrollar un modelo basado en algunas técnicas de aprendizaje automático y algoritmos genéticos, con el fin de clasificar pacientes con depresión y personas sanas utilizando la actividad motriz. Se seleccionaron las lecturas de 55 pacientes (32 pacientes control y 23 pacientes con la afección), durante el periodo de una semana obteniendo un total de 385 observaciones (participantes) y 1440 características (intervalos de tiempo) de las cuales se extrajeron los intervalos de un minuto más representativos para desarrollar un modelo de aprendizaje automático utilizando algoritmos como: redes neuronales, regresión logística, bosques aleatorios, máquinas de soporte vectorial y redes neuronales profundas donde estas últimas obtuvieron el mejor desempeño con un 80.24 % de precisión, fue entrenada con 270 observaciones y fue puesta a prueba con el 30 % de datos restante de los cuales 61 fueron clasificadas como sanas y 32 con depresión de forma correctas. En base a estos resultados, se puede concluir que la implementación de estos modelos en alguna herramienta de diagnóstico asistido puede ayudar evitar casos de depresión severa.