Existe un interés creciente en el estudio de la amiloidosis cardiaca senil o wild-type (ACwt) por las posibilidades de tratamiento farmacológico en un futuro próximo. Se trata de una enfermedad de mal pronóstico que ha sido infradiagnosticada. Se desconoce su prevalencia exacta, lo que repercute tanto en aspectos clínico-asistenciales como en la comercialización de fármacos. Proponemos un método de screening, basado en Big Data, que permita seleccionar pacientes con posible ACwt. El objetivo principal de este trabajo es evaluar las técnicas de Procesamiento del Lenguaje Natural (PLN) y Aprendizaje Automático para permitir identificar, mediante el análisis de historiales clínicos digitalizados, pacientes con alta probabilidad clínica de presentar ACwt. Como objetivos secundarios se valorará si las técnicas desarrolladas son sensibles como método de cribado para el diagnóstico de ACwt. Se analizarán las historias clínicas electrónicas de una muestra seleccionada de pacientes valorados en Cardiología y, mediante un enfoque de aprendizaje automático supervisado, se analizará el contenido del historial clínico en formato de texto libre, y se desarrollarán algoritmos de clasificación para detectar a los pacientes en función de la presencia o ausencia de las condiciones que caracterizan la enfermedad. La precisión y validación de las técnicas desarrolladas estarán sujetas a criterio clínico.
amiloidosis cardíaca
aprendizaje automático
procesamiento del lenguaje natural
prevalencia
Acción Estratégica en Salud (AES)
01/01/2021 - 31/12/2023
JOSE FRANCISCO DIAZ FERNANDEZ
FUNDACION ANDALUZA BETURIA PARA LA INVESTIGACION EN SALUD
HOSPITAL JUAN RAMON JIMENEZ
ANDALUCIA
HUELVA
44,770 €