La monitorización de Bienestar Fetal Intraparto es una tarea que realiza actualmente el equipo obstétrico durante el parto para evitar el sufrimiento fetal, concretamente la hipoxia fetal. La herramienta empleada en este proceso se conoce como cardiotocografía, que es un método de seguimiento de la frecuencia cardiaca fetal (FCF). El objetivo de este Trabajo de Fin de Grado es implementar un programa que apoye al equipo médico en dicha monitorización de la frecuencia cardiaca fetal, ya que a día de hoy, esta rutina tiene cierto carácter subjetivo, pues son los propios médicos los que hacen un análisis visual de la señal. Por esta razón, en el presente trabajo se desarrolla una investigación cuyo fin principal es la automatización de este problema supervisado, creando un programa en Python que pueda facilitar y acelerar la detección de hipoxias disminuyendo el riesgo de sufrimiento fetal. Para ello, en primer lugar se han estudiado las reglas FIGO (creadas por la Federación Internacional de Ginecología y Obstetricia), que presentan una serie de directrices para valorar el grado de severidad de hipoxia que puede darse en cada momento de la monitorización. El algoritmo a desarrollar es un caso particular de Inteligencia Artificial basado en reglas, ya que no usa los datos para inferir las reglas, sino que usa el conocimiento científico para definirlas. En segundo lugar, para desarrollar el programa de clasificación, se obtienen de estas reglas tres criterios a estudiar a partir la frecuencia cardíaca fetal: la línea base (nivel medio de la FCF), las desaceleraciones (periodo transitorio de disminución de la línea base) y la variabilidad (oscilaciones de la FCF que se detectan en el cardiotocograma). Estos criterios se han formalizado en un algoritmo de clasificación. En tercer lugar, para evaluar la precisión y la eficacia de nuestra implementación, se ha trabajado con una base de datos pública de 552 monitorizaciones reales. La etiqueta para comprobar si un feto ha sufrido hipoxia o no en los datos reales es comparar el nivel de pH en sangre en el cordón umbilical con un valor límite. El método de evaluación de la efectividad del algoritmo usado han sido las curvas ROC(acrónimo de Receiver Operating Characteristic), que evalúan la probabilidad de acierto de cada algoritmo. Tras varios experimentos, se ha concluido que la última media hora de la monitorización es la más representativa a la hora de detectar hipoxia en el feto con un área bajo la curva de 0.68, interpretando ese valor como la probabilidad de acierto del clasificador. Finalmente y debido al hecho de que los resultados tienen margen de mejora, se propone como líneas futuras de investigación la posibilidad de añadir al algoritmo nuevas variables a tener en cuenta como por ejemplo las contracciones uterinas.

Grado en Ingeniería Informática