With the advancement of modern medicine, people’s life expectancy has increased considerably. This has led to the emergence of age-related neurodegenerative diseases that affect people’s cognitive abilities. Their diagnosis through imaging tests such as Magnetic Resonance Imaging or other specific tests is highly costly, time consuming and requires highly qualified personnel to interpret the results.
In order to find a simple, affordable and effective methodology for the assessment of cognition and to aid patient diagnosis, and to discriminate which individuals need more detailed analysis, this PhD thesis proposes the use of eye-tracking technology a low-cost and accessible test for the assessment of human neurological abilities.
This methodology is based on an incremental process that begins with the definition of the biomedical and experimental protocols for disease characterisation based on the diagnosis provided by the medical team together with the ocular and cognitive assessment through eye movement tests. Once the tests were recorded, the detection and analysis of the eye movement events were described through a statistical summary of each of the tests. These features form the starting point for machine learning classifiers that discriminate between different groups of recorded participants.
The use of machine learning for mass analysis of medical data has become standardised as one of the major paradigms today where the sample set and the type of algorithm play a key role in the success of the task at hand. In this thesis, several algorithms have been tested and evaluated in order to carry out the discrimination of the different types of participants studied (controls and pathological).
This PhD thesis demonstrates the capacity of eye movement tests to become an essential tool for initial evaluation, or screening, in neurology consultations, allowing objective, simple and low-cost neurological evaluation of the patient through the physiopathological characterisation of the eye movement tests of each disease.
In conclusion, the use of video-oculography as a tool for recording eye movement tests provides an objective, precise, accurate and efficient method for characterising the eye movement of individuals. When a person suffers from a neurological problem, these tests are a first starting point to aid diagnosis without the need to resort to other more standardised, but much more costly, methods.
Data from 68 controls, 40 patients with a diagnosis of Alzheimer’s disease, 46 patients with a diagnosis of frontotemporal dementia in its behavioural variant, 34 patients with a diagnosis of mild cognitive impairment have been used in this PhD thesis. Samples that have been collected by the staff of the neurology services of the Marqués de Valdecilla University Hospital in Santander between May 2018 and March 2019. In addition, 24 samples from cirrhotic patients with hepatic encephalopathy and 23 cirrhotic patients not showing this neurological damage, collected by the neurology services of the Clinical University Hospital of Valencia between May 2018 and April 2019, have been used. Finally, 38 patients with a long COVID-19 diagnosis registered at the 12 de Octubre University Hospital in Madrid between May and September 2021 have also been used.
All participant data analysed in this PhD thesis were collected according to the guidelines of the Declaration of Helsinki and approved by the hospitals ethical committees and thanks are reiterated to all those involved.
RESUMEN
Con el avance de la medicina moderna, la esperanza de vida de la población ha aumentado considerablemente. Esto ha provocado la aparición de enfermedades neurodegenerativos asociados a la edad que afectan, entre otras, a las capacidades cognitivas.
Actualmente no se dispone de un gold standard para el diagnóstico de varias de estas patologías, siendo éste puramente clínico y basándose en pruebas complementarias que se utilizan principalmente para descartar otras patologías, tales como las pruebas de imagen. Estas pruebas son costosas para el sistema sanitario, consumen tiempo y requieren de personal cualificado para interpretar los resultados.
Con el objetivo de encontrar una metodología simple, accesible y eficaz para la evaluación neurológica, que además asista al profesional sanitario en el proceso de diagnóstico del paciente, ayudándole en la toma de decisiones sobre qué pruebas complementarias serían necesarias; esta tesis doctoral, basándose en la técnica de medición del movimiento ocular, propone un procedimiento para un análisis de dicho movimiento con el fin de dar un diagnóstico probable a través de la utilización de técnicas de inteligencia artificial aplicada a los datos recogidos.
Esta metodología se basa en un proceso incremental que comienza con la definición de los protocolos biomédicos y experimentales para la caracterización de la enfermedad en base al diagnóstico clínico de expertos junto con la evaluación del movimiento ocular. Registradas las pruebas, se extraen las características y se comparan con la base de datos de normalidad. Estas características conforman el punto de partida de los clasificadores de aprendizaje máquina que discriminen entre distintos grupos de participantes registrados.
El uso del aprendizaje máquina para el análisis masivo de datos médicos se ha estandarizado como uno de los grandes paradigmas de la actualidad donde el conjunto muestral y el tipo de algoritmo juegan un papel fundamental en el éxito de la tarea en cuestión. En esta tesis, se han probado diferentes algoritmos de inteligencia artificial con el objetivo de llevar a cabo la discriminación de los diferentes tipos de participantes estudiados (controles y patológicos).
Esta tesis doctoral demuestra el potencial de la técnica empleada para convertirse en una herramienta de cribado clínico inicial para las consultas de neurología.
En conclusión, el uso de la video-oculografía como herramienta para el registro de las pruebas de movimiento ocular es una técnica eficaz para la caracterización del movimiento ocular de las personas.
En esta tesis doctoral se han utilizado los datos de 68 controles, 40 pacientes con diagnóstico de la enfermedad de Alzheimer, 46 pacientes con diagnóstico de demencia frontotemporal en su variante conductual, 34 pacientes con diagnóstico de deterioro cognitivo leve. Muestras que han sido recogidas por el personal de los servicios de neurología del Hospital Universitario Marqués de Valdecilla de Santander entre mayo 2018 y marzo 2019. Además, se han utilizado 24 muestras de pacientes cirróticos con encefalopatía hepática y 23 pacientes cirróticos que no muestran este daño neurológico, recogidos por los servicios de neurología del Hospital Clínico Universitario de Valencia entre mayo de 2018 y abril de 2019. Por último, 38 pacientes con diagnóstico de COVID-19 persistente registrados en el Hospital Universitario 12 de Octubre de Madrid entre mayo y septiembre de 2021.
Todos los datos de los participantes analizados en esta tesis doctoral fueron recogidos según las directrices de la Declaración de Helsinki y aprobados por los comités éticos de los hospitales donde se han recogido las muestras y se reitera el agradecimiento a todos los involucrados.
With the advancement of modern medicine, people’s life expectancy has increased considerably. This has led to the emergence of age-related neurodegenerative diseases that affect people’s cognitive abilities. Their diagnosis through imaging tests such as Magnetic Resonance Imaging or other specific tests is highly costly, time consuming and requires highly qualified personnel to interpret the results.
In order to find a simple, affordable and effective methodology for the assessment of cognition and to aid patient diagnosis, and to discriminate which individuals need more detailed analysis, this PhD thesis proposes the use of eye-tracking technology a low-cost and accessible test for the assessment of human neurological abilities.
This methodology is based on an incremental process that begins with the definition of the biomedical and experimental protocols for disease characterisation based on the diagnosis provided by the medical team together with the ocular and cognitive assessment through eye movement tests. Once the tests were recorded, the detection and analysis of the eye movement events were described through a statistical summary of each of the tests. These features form the starting point for machine learning classifiers that discriminate between different groups of recorded participants.
The use of machine learning for mass analysis of medical data has become standardised as one of the major paradigms today where the sample set and the type of algorithm play a key role in the success of the task at hand. In this thesis, several algorithms have been tested and evaluated in order to carry out the discrimination of the different types of participants studied (controls and pathological).
This PhD thesis demonstrates the capacity of eye movement tests to become an essential tool for initial evaluation, or screening, in neurology consultations, allowing objective, simple and low-cost neurological evaluation of the patient through the physiopathological characterisation of the eye movement tests of each disease.
In conclusion, the use of video-oculography as a tool for recording eye movement tests provides an objective, precise, accurate and efficient method for characterising the eye movement of individuals. When a person suffers from a neurological problem, these tests are a first starting point to aid diagnosis without the need to resort to other more standardised, but much more costly, methods.
Data from 68 controls, 40 patients with a diagnosis of Alzheimer’s disease, 46 patients with a diagnosis of frontotemporal dementia in its behavioural variant, 34 patients with a diagnosis of mild cognitive impairment have been used in this PhD thesis. Samples that have been collected by the staff of the neurology services of the Marqués de Valdecilla University Hospital in Santander between May 2018 and March 2019. In addition, 24 samples from cirrhotic patients with hepatic encephalopathy and 23 cirrhotic patients not showing this neurological damage, collected by the neurology services of the Clinical University Hospital of Valencia between May 2018 and April 2019, have been used. Finally, 38 patients with a long COVID-19 diagnosis registered at the 12 de Octubre University Hospital in Madrid between May and September 2021 have also been used.
All participant data analysed in this PhD thesis were collected according to the guidelines of the Declaration of Helsinki and approved by the hospitals ethical committees and thanks are reiterated to all those involved.
RESUMEN
Con el avance de la medicina moderna, la esperanza de vida de la población ha aumentado considerablemente. Esto ha provocado la aparición de enfermedades neurodegenerativos asociados a la edad que afectan, entre otras, a las capacidades cognitivas.
Actualmente no se dispone de un gold standard para el diagnóstico de varias de estas patologías, siendo éste puramente clínico y basándose en pruebas complementarias que se utilizan principalmente para descartar otras patologías, tales como las pruebas de imagen. Estas pruebas son costosas para el sistema sanitario, consumen tiempo y requieren de personal cualificado para interpretar los resultados.
Con el objetivo de encontrar una metodología simple, accesible y eficaz para la evaluación neurológica, que además asista al profesional sanitario en el proceso de diagnóstico del paciente, ayudándole en la toma de decisiones sobre qué pruebas complementarias serían necesarias; esta tesis doctoral, basándose en la técnica de medición del movimiento ocular, propone un procedimiento para un análisis de dicho movimiento con el fin de dar un diagnóstico probable a través de la utilización de técnicas de inteligencia artificial aplicada a los datos recogidos.
Esta metodología se basa en un proceso incremental que comienza con la definición de los protocolos biomédicos y experimentales para la caracterización de la enfermedad en base al diagnóstico clínico de expertos junto con la evaluación del movimiento ocular. Registradas las pruebas, se extraen las características y se comparan con la base de datos de normalidad. Estas características conforman el punto de partida de los clasificadores de aprendizaje máquina que discriminen entre distintos grupos de participantes registrados.
El uso del aprendizaje máquina para el análisis masivo de datos médicos se ha estandarizado como uno de los grandes paradigmas de la actualidad donde el conjunto muestral y el tipo de algoritmo juegan un papel fundamental en el éxito de la tarea en cuestión. En esta tesis, se han probado diferentes algoritmos de inteligencia artificial con el objetivo de llevar a cabo la discriminación de los diferentes tipos de participantes estudiados (controles y patológicos).
Esta tesis doctoral demuestra el potencial de la técnica empleada para convertirse en una herramienta de cribado clínico inicial para las consultas de neurología.
En conclusión, el uso de la video-oculografía como herramienta para el registro de las pruebas de movimiento ocular es una técnica eficaz para la caracterización del movimiento ocular de las personas.
En esta tesis doctoral se han utilizado los datos de 68 controles, 40 pacientes con diagnóstico de la enfermedad de Alzheimer, 46 pacientes con diagnóstico de demencia frontotemporal en su variante conductual, 34 pacientes con diagnóstico de deterioro cognitivo leve. Muestras que han sido recogidas por el personal de los servicios de neurología del Hospital Universitario Marqués de Valdecilla de Santander entre mayo 2018 y marzo 2019. Además, se han utilizado 24 muestras de pacientes cirróticos con encefalopatía hepática y 23 pacientes cirróticos que no muestran este daño neurológico, recogidos por los servicios de neurología del Hospital Clínico Universitario de Valencia entre mayo de 2018 y abril de 2019. Por último, 38 pacientes con diagnóstico de COVID-19 persistente registrados en el Hospital Universitario 12 de Octubre de Madrid entre mayo y septiembre de 2021.
Todos los datos de los participantes analizados en esta tesis doctoral fueron recogidos según las directrices de la Declaración de Helsinki y aprobados por los comités éticos de los hospitales donde se han recogido las muestras y se reitera el agradecimiento a todos los involucrados. Read More
Related posts:
Nearly 800,000 affected by children’s hospital ransomware attack
Desarrollo de funcionalidades de recogida de información en una App para la ayuda al diagnóstico temprano de la enfermedad de Parkinson
Técnicas de IA para el diagnóstico precoz de Leucemia Mieloide Aguda
mediante la detección de ADN en biopsia líquida: estudio del estado del arte
Asma grave e intervenciones de ejercicio recomendadas: revisión sistemática
Extending a unit test framework for Prolog
Are 12-lead ECGs necessary for detecting heart anomalies? a comparison between 12-lead and 3-lead ECG classification using deep learning