Desarrollo de nuevos dispositivos y algoritmos para la monitorización ambulatoria de personas con epilepsia

Abstract

La epilepsia es una enfermedad crónica con un enorme impacto sociosanitario. Aunque en la actualidad se dispone de una gran cantidad de fármacos antiepilépticos y de otros tratamientos más selectivos como la cirugía o la estimulación cerebral, un porcentaje considerable de pacientes no están controlados y continúan teniendo crisis epilépticas. Estas personas suelen vivir condicionadas por la posibilidad de un ataque epiléptico y sus posibles consecuencias, como accidentes, lesiones o incluso la muerte súbita inexplicable. En este contexto, un dispositivo capaz de monitorizar el estado de salud y avisar de un posible ataque epiléptico contribuiría a mejorar la calidad de vida de estas personas.

La presente Tesis Doctoral se centra en el desarrollo de un novedoso sistema de monitorización ambulatoria que permita identificar y predecir los ataques epilépticos. Dicho sistema está compuesto por diferentes sensores capaces de registrar de forma sincronizada diferentes señales biomédicas. Mediante técnicas de aprendizaje automático supervisado, se han desarrollado diferentes modelos predictivos capaces de clasificar el estado de la persona epiléptica en normal, preictal (antes de la crisis) e ictal (crisis).