Comparación de métricas entre modelos de aprendizaje máquina y explicabilidad de estos para la detección temprana de MCI (Mild Cognitive Impairment)

Abstract

[Resumen]: La memoria humana es el proceso de almacenamiento de información para su posterior reconstrucción. Esta no siempre funciona a la perfección y a medida que pasan los años se degenera aún más. Sin embargo algunas personas de avanzada edad pueden olvidar cosas con mayor frecuencia que otras. Esta afección se conoce como ”Deterioro Cognitivo Leve” o DCL. El Test de Evaluación Cognitiva de Montreal, o test MoCA pretende evaluar áreas de atención y concentración, así como otras funciones cognitivas como memoria, habilidades visuoespaciales, lenguaje, cálculo, razonamiento y la orientación. A pesar de su gran fiabilidad y la rapidez con la que es posible contestarlo, el problema recae en la obtención de la prueba para su realización. La meta de este proyecto es realizar un análisis del estado del arte de la inteligencia artificial en el campo de la medicina, más concretamente en la neurología. Una vez completado, ahondar en las opciones que han sido exploradas para enfrentarse a pruebas del test MoCA, seleccionando la rama que incluye preguntas relacionadas con áreas visuoespaciales y ejecutivas. Posteriormente, se emplearían técnicas de aprendizaje automático, transferencia del conocimiento y visión artificial con el objetivo de comparar las métricas entre una serie de modelos seleccionados, comprobando cuál obtiene mejores resultados y usando técnicas de explicabilidad para conocer el motivo. Todos los objetivos, procesos y resultados, así como trabajos futuros serán expuestos en mayor detalle más adelante.[Abstract]: Human memory is the process of storing information for later retrieval. It does not always function perfectly and, as the years go by, it deteriorates even further. However some elderly people may forget things more frequently than others. This condition is known as ”Mild Cognitive Impairment” or MCI. The Montreal Cognitive Assessment Test, or MoCA test, aims to evaluate areas of attention and concentration, as well as other cognitive functions such as memory, visuospatial abilities, language, calculation, reasoning and orientation. Despite its high reliability and the speed with which it can be completed, the problem relies in obtaining the test in order to perform it. The goal of this project is to conduct a state-of-the-art analysis of artificial intelligence in the field of medicine, more specifically in neurology. Once completed, delve deep into the options that have been explored to tackle the MoCA test questions, selecting the branch with inquiries related to visuospatial and executive areas. Subsequently, techniques such as machine learning, transfer learning and computer vision will be employed to compare the metrics between a series of pre-selected models, checking which one obtains the best results and using explainability techniques to know the reason. All objectives, processes and results, as well as future work will be detailed later.