polito.it
Politecnico di Torino (logo)

Sviluppo di un algoritmo di predizione dello stato di salute di un paziente con insufficienza renale

Angelo Savoca

Sviluppo di un algoritmo di predizione dello stato di salute di un paziente con insufficienza renale.

Rel. Valentina Alice Cauda, Eros Gian Alessandro Pasero. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Informatica (Computer Engineering), 2020

[img]
Preview
PDF (Tesi_di_laurea) - Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives.

Download (10MB) | Preview
Abstract:

Oggigiorno ll danno renale acuto [“acute kidney injury” (AKI)] è una sindrome molto frequente, soprattutto nei reparti di terapia intensiva, che si associa a elevata mortalità nonostante i progressi terapeutici. La diagnosi di AKI è spesso tardiva perché i criteri diagnostici sono basati anche sulle variazioni della creatinina sierica, il cui lento incremento ne costituisce un’importante limitazione. Lo scopo di questo studio è lo sviluppo e la validazione di modelli di previsione a supporto alle decisioni in ambito medico, in particolare riguardanti la diagnosi precoce di AKI in pazienti ricoverati in terapia intensiva. Nella prima parte di questo studio, dopo una consistente fase di preprocessing su un database pubblico, MIMIC-III (Medical Information Mart for Intensive Care), relativo ai parametri fisiologici di 58 mila pazienti ospedalizzati, è stato creato un dataset finale adeguato alle fasi di training e test relative ad algoritmi di apprendimento supervisionato. I pazienti presenti in quest’ultimo sono stati etichettati sulla base delle linee guida alla prevenzione, diagnosi e terapia delle sindromi di danno renale acuto [“Kidney Disease: Improving Global Outcomes” (KDIGO)]. Nella seconda parte, sulla base di quanto fatto nella prima, è stata condotta un’analisi dati mediante algoritmi di machine learning. L’algoritmo più performante sulla base di varie metriche utilizzate verrà integrato all’interno di un innovativo sistema di monitoraggio attualmente in fase di sviluppo, il quale raccoglierà misurazioni di urina ogni ora ed effettuerà dopo le prime sei la previsione sullo stato di salute renale del paziente nelle successive 12, 24 e 48 ore.

Relatori: Valentina Alice Cauda, Eros Gian Alessandro Pasero
Anno accademico: 2019/20
Tipo di pubblicazione: Elettronica
Numero di pagine: 100
Soggetti:
Corso di laurea: Corso di laurea magistrale in Ingegneria Informatica (Computer Engineering)
Classe di laurea: Nuovo ordinamento > Laurea magistrale > LM-32 - INGEGNERIA INFORMATICA
Aziende collaboratrici: NON SPECIFICATO
URI: http://webthesis.biblio.polito.it/id/eprint/14514
Modifica (riservato agli operatori) Modifica (riservato agli operatori)