MODELO INFORMÁTICO PARA DIAGNÓSTICO PRECOZ DE ENFERMEDADES COGNITIVAS

En los últimos años, el uso de los dispositivos electrónicos conectados a Internet, tales como móviles o relojes inteligentes, se ha incrementado notablemente, dando lugar al término “huella digital”. La huella digital es toda marca que deja un usuario al emplear uno de estos dispositivos (contenido, búsquedas, actividad…). Por otra parte, el número de personas con riesgo de padecer trastornos mentales también muestra una tendencia creciente, con una gran cantidad de casos no diagnosticados o diagnosticados en fase ya avanzada. El presente Trabajo de Fin de Grado propone un modelo para detectar indicios de trastornos depresivos, bipolares y relacionados con el estrés agudo a partir del análisis de la huella digital. Tomando los datos en series temporales sobre los usos del móvil, tablet y dispositivos electrónicos se configuran unos patrones de comportamiento “base” mediante estimación de modelos SARIMA. Con estos modelos se generan predicciones para el siguiente periodo y, si el usuario presenta desviaciones graves que el modelo entienda como indicios de trastorno, genera una alerta recomendando la visita a un psicólogo o médico especialista. Al final de la aplicación del modelo, se realiza una realimentación para actualizar los datos de huella digital del individuo y ajustar los estimadores de los modelos SARIMA con la información actualizada. El modelo se ha programado en Matlab y se ha realizado una simulación para dos bases de datos (Caso 1 y Caso 2), correspondientes a dos periodos de tiempo distintos. Se comenta la aplicación del programa informático para dichas bases de datos, siendo especialmente interesante la segunda, ya que los datos que contiene son de una persona que ha vivido una situación de confinamiento debido al coronavirus. Se concluye que la metodología para modelar patrones de comportamiento y detectar anomalías es la adecuada y el modelo es funcional.

In recent years, the use of electronic devices such as smartphones and smartwatches has sharply increased. This growth has coined the term “digital footprint”. Digital footprint refers to any mark or impression a user produces when using one of these devices (content, searches, activity…). On the other hand, the number of people that are prone to suffer a mental disorder shows a growing trend as well, and there are many cases that do not receive diagnosis or they do when the disorder is far developed. The current project proposes a model to detect traces of depressive, bipolar or stress-related disorders using the digital footprint. Considering user data (taken from smartphone, tablet, etc) in time series, “baseline” behaviors are configured using SARIMA models. This models are used to generate predictions for the following period and, if the user shows worrying deviations that could have the source in mental disorders, an alert is sent. This alert suggest visiting a psychologist or a doctor. Finally, there is a feedback to update the user’s database and to adjust SARIMA models considering this update. The model has been programmed using Matlab and a simulation has taken place, for two different databases (Caso 1 and Caso 2), corresponding to two different time periods. The application of the program is discussed and it is especially interesting the application of Caso 2 due to it containing data of a user that has lived through a house-confinement due to coronavirus. It is concluded that the methodology to model behaviors and detect anomalies is adequate and the model is functional.