Costruzione di uno strumento di aiuto all'individuazione delle condizioni ottimali di svezzamento dalla ventilazione meccanica tramite tecniche di Machine Learning e Data science = Construction of a tool to help the identification of the optimal conditions for weaning from mechanical ventilation through Machine Learning and Data Science techniques

La ventilazione meccanica forzata è una tecnica utilizzata nella pratica clinica per ridurre o sostituire lo sforzo respiratorio e mantenere lo scambio gassoso ottimale. Si tratta di una procedura non priva di controindicazioni, per cui è fondamentale non prolungare il trattamento oltre il necessario e al tempo stesso evitare di incorrere in un fallimento del tentativo di estubazione a causa di uno svezzamento precoce. Da queste considerazioni emerge l’idea fondante del presente progetto di tesi che mira a proporre uno strumento di aiuto all’individuazione del momento ottimale per lo svezzamento dalla ventilazione meccanica. Lavorando sui dati estratti dal database MIMIC-III (Medical Information Mart for Intensive Care), dedicato alla medicina intensiva, sono state valutate la stabilità e le prestazioni di un primo classificatore, il LightGBM che, sebbene sia stabile in termini di perfomances, è risultato affetto da overfitting, problema che non è superabile effettuando modifiche ai parametri e che può essere ricondotto alla scarsa dimensionalità dei dati. Si è quindi proseguito con la costruzione di quattro strutture di Deep Neural Network e successivamente è stata ottimizzata, tramite algoritmo genetico, la migliore in termini di prestazioni. I risultati della fase di ottimizzazione hanno permesso di effettuare valutazioni sia in termini di prestazioni sia per quanto riguarda le variabili selezionate e hanno portato ad ipotizzare nuove strade di combinazioni di reti e strutture per ottenere miglioramenti.