Detección automática de momentos de risco alérxico da poboación ourensá

Abstract

Na actualidade, o número de persoas que presentan reaccións alérxicas ao pole aumentou considerablemente, polo que é interesante contar con mecanismos que permitan determinar, coa maior precisión posible, a cantidade de pole que estará presente na atmosfera e reducir, deste xeito, o seu impacto na poboación. Para predicir a concentración de pole realizáronse estudos que utilizan modelos de regresión lineal e que, posteriormente, evolucionaron cara a modelos automáticos ou de aprendizaxe profunda. A pesar da aplicación idónea destes modelos para predicir a concentración de pole, os resultados obtidos dependen en gran medida da existencia de medicións previas de concentración e están influenciados pola calidade dos datos dispoñibles. A investigación conxunta das disciplinas de botánica e de informática trata de realizar unha estimación do risco de alerxias polo pole, de forma que permita a administración de antihistamínicos con anterioridade á súa exposición, posto que está demostrado que é moito máis efectiva ca unha vez aparecidos os primeiros síntomas. En concreto, esta estimación fíxose sobre Alnus, Betula, Platanus, Poaceae e Urticaceae, os cinco tipos de pole considerados máis agresivos na provincia de Ourense. O grupo de investigación da disciplina de botánica encargouse da captación de datos de concentración de pole, normalización e representación dos valores de recollida, calculou a estación polínica principal para cada tipo de pole e propuxo un calendario polínico para a cidade de Ourense. E o grupo de investigación de Informática centrouse na análise dos datos proporcionados e na comparación de diferentes técnicas de aprendizaxe automática para clasificar as concentracións de pole na atmosfera da provincia de Ourense e para facilitar a toma de decisións. Neste traballo móstrase a experimentación unicamente co tipo de pole Alnus; é de esperar que tamén será adecuada para cada un dos outros tipos de pole, adaptando en cada caso o modelo máis axeitado.