Diferenciación por métodos estadísticos convencionales y machine learning entre tejido pulmonar sano y patológico de medidas de impedancia eléctrica.

Abstract

El uso de la espectroscopia de impedancia eléctrica para la diferenciación del tejido pulmonar es una oportunidad para mejorar el diagnóstico clínico. El objetivo es distinguir entre diferentes estados del tejido pulmonar mediante el estudio de las diferencias entre los parámetros del espectro de impedancia entre dos frecuencias separadas (15 kHz y 307 kHz) en la región de la dispersión beta. Además, también se aplican algoritmos de machine learning para la clasificación automática de patologías pulmonares. Se han encontrado diferencias significativas entre aquellos tejidos que experimentan un aumento en la densidad (neoplasia y fibrosis) y aquellos tejidos que sufren una destrucción del tejido (enfisema). Además, los algoritmos automáticos son capaces de clasificar con gran exactitud (=86%) muestras de tejido neoplásico. Son necesarios más estudios y mayor validación de los algoritmos para diferenciar aquellos estados del tejido que son más similares entre sí.

Este trabajo fue apoyado por el Ministerio español de Ciencia e Innovación (PID2021-128602OB-C21).

Peer Reviewed

Postprint (published version)