Una herramienta basada en el aprendizaje profundo para apoyo a la toma de decisiones en el diagnóstico de desórdenes vestibulares periféricos

Resumen

El nistagmo es un movimiento ocular involuntario caracterizado por un movimiento suave, llamado fase lenta del nistagmo, interrumpido por una fijación rápida en la dirección opuesta. Es uno de los factores preponderantes en el diagnóstico de los trastornos vestibulares. Este estudio presenta el Smart Nystagmography, una propuesta de herramienta basada en visión artificial para apoyar el diagnóstico de trastornos vestibulares periféricos, que abarca todo el proceso, desde el dispositivo de recolección de movimientos oculares hasta el clasificador de trastornos. La solución propuesta se basa en vectores de características que presentan patrones de movimiento ocular, que se identifican mediante el aprendizaje automático, en particular, el aprendizaje profundo (AP). La técnica de videonistagmografía y sus diferentes pruebas fueron realizadas por los individuos para generar un conjunto de datos representativo tanto para individuos sanos como para aquellos con disfunción vestibular. Se emplearon métodos de preprocesamiento de datos, así como una técnica de optimización de hiperparámetros de los algoritmos AP con el fin de mejorar el rendimiento de los modelos de última generación. Los resultados de rendimiento para identificar la presencia de disfunción vestibular periférica alcanzaron una precisión del 96,7% para el mejor modelo, luego de pasar por el proceso de optimización. Los resultados muestran la eficiencia de lo Smart Nystagmography, que tiene una solución que involucra desde el dispositivo de captura de video hasta el sistema con técnicas de preparación de datos y el modelo AP desplegado. Se necesitan estudios clínicos adicionales para validar la solución.