[ES] La inducción del parto es una práctica habitual en obstetricia que asciende al 20% de todos los nacimientos y se indica cuando los beneficios de finalizar la gestación para la salud de la madre y del feto son mayores que los de permitir que el embarazo continúe. Sin embargo, la inducción se asocia con un aumento de complicaciones en comparación con el trabajo de parto de inicio espontáneo. Uno de los aspectos claves en el inicio y gestión de la inducción del parto es que hay una gran incertidumbre en la predicción de su éxito o si se requerirá una cesárea. La disposición de una herramienta que permita predecir el éxito de inducción permitirá a los obstetras diseñar una estrategia de gestión personalizada para cada paciente. En la literatura se ha demostrado que las condiciones cervicales antes de la administración del fármaco, las características de la madre y del feto son factores que influyen sobre el éxito de inducción. Sin embargo, no se dispone de un modelo matemático fiable para predecir el éxito de inducción. En este sentido, conocer el estado electrofisiológico del útero y su grado de “madurez”- excitabilidad y propagabilidad de las células musculares uterinas-es clave para predecir la respuesta a los fármacos empleados en la inducción. El registro de la actividad eléctrica uterina en superficie (electrohisterograma, EHG) ha demostrado ser uno de los marcadores biofísicos prometedores no sólo de la dinámica uterina sino también del estado electrofisiológico del útero. Por tanto, el objetivo de este trabajo es el diseño y desarrollo de un sistema predictor del éxito de inducción del parto en base a los registros de EHG y datos obstétricos. Para ello, se ha utilizado 94 registros de EHG adquiridos en mujeres inducidas con misoprostol o dinoprostona, siendo estos dos los fármacos comúnmente empleado para la inducción del parto. Cada sesión de registro implica la adquisición de 30 minutos antes de la administración del fármaco y las primeras 4 horas después de la misma. Se han calculado un total de 23 de parámetros temporales, espectrales y no lineales para la caracterización de los EHG-bursts (actividad mioeléctrica asociada a las contracciones uterinas) presentes en bloques de cada 30 minutos. El análisis de la evolución temporal durante las primeras 4 horas indica que las características de EHG cambian significativamente respecto a la actividad basal a partir del minuto 120 independientemente del fármaco empleado para la inducción. En base a estos resultados, se ha utilizado las características de EHG de la actividad basal (antes de la administración del fármaco), minuto 120, 150 y 180 y 210 para el diseño del sistema predictor del éxito de inducción. Para ello, se ha utilizado el algoritmo optimización por enjambre de partículas (PSO) para la selección de las características relevantes, la técnica de ADASYN para solventar el problema de desbalanceo del tamaño muestral del grupo éxito y fracaso de inducción, y las técnicas de redes neuronales para desarrollar el sistema predictor del éxito de inducción. El clasificador diseñado presenta una exactitud del 84 y 76% para la predicción del éxito de inducción desde el punto de vista farmacológico (si alcanza el periodo activo de parto o no) y clínica (parto vaginal o cesárea). Para mejora la precisión de este último se ha propuesto un clasificador anillado que permite predecir en una primera fase si una mujer alcanzará el periodo activo de parto o no, y discriminar los partos vaginales de los partos por cesárea en una segunda fase para aquellas mujeres que alcanzan el periodo activo de parto. Los resultados experimentales muestran que el clasificador anillado permite obtener una exactitud del 93% para distinguir los partos vaginales de los partos por cesárea. Estos resultados sugieren que el EHG podría ser utilizado iii para el diseño de sistema predictor del éxito de inducción, constituyéndose así una herramienta de gran ayuda para la toma de decisión de los obstetras en la inducción del parto., [CA] La inducció del part és una pràctica habitual en obstetrícia que ascendeix al 20% de tots els naixements i s'indica quan els beneficis de finalitzar la gestació per a la salut de la mare i del fetus són majors que els de permetre que l'embaràs continue. No obstant això, la inducció s'associa amb un augment de complicacions en comparació del treball de part d'inici espontani. Un dels aspectes claus en l'inici i gestió de la inducció del part és que hi ha una gran incertesa en la predicció del seu èxit o si es requerirà una cesària. La disposició d'una eina que permeta predir l'èxit d'inducció permetrà als obstetres dissenyar una estratègia de gestió personalitzada per a cada pacient. En la literatura s'ha demostrat que les condicions cervicals abans de l'administració del fàrmac i les característiques de la mare i del fetus són factors que influeixen sobre l'èxit d'inducció. No obstant això, no es disposa d'un model matemàtic fiable per a predir l'èxit d'inducció. En aquest sentit, conèixer l'estat electrofisiològic de l'úter i el seu grau de maduresa -excitabilitat i propagabilitat de les cèl·lules musculars uterines- és clau per a predir la resposta als fàrmacs emprats en la inducció. El registre de l'activitat elèctrica uterina en superfície (electrohisterograma, EHG) ha demostrat ser un dels marcadors biofísics prometedors no solament de la dinàmica uterina sinó també de l'estat electrofisiològic de l'úter. Per tant, l'objectiu d'aquest treball és el disseny i desenvolupament d'un sistema predictor de l'èxit d'inducció del part sobre la base dels registres d'EHG i dades obstètrics. Per a això, s'ha utilitzat 94 registres d'EHG adquirits en dones induïdes amb misoprostol o dinoprostona, sent aquests dos els fàrmacs comunment emprat per a la inducció del part. Cada sessió de registre implica l'adquisició de 30 minuts abans de l'administració del fàrmac i de les primeres 4 hores després de la mateixa. S'han calculat un total de 23 paràmetres temporals, espectrals i no lineals per a la caracterització dels EHG-burst (activitat mioeléctrica associada a les contraccions uterines) presents en blocs de 30 minuts. L'anàlisi de l'evolució temporal durant les primeres 4 hores indica que les característiques d'EHG canvien significativament respecte a l'activitat basal a partir del minut 120 independentment del fàrmac emprat per a la inducció. Sobre la base d'aquests resultats, s'ha utilitzat les característiques d'EHG de l'activitat basal (abans de l'administració del fàrmac), minut 120, 150, 180 i 210 per al disseny del sistema predictor de l'èxit d'inducció. Per a açò, s'ha utilitzat l'algoritme d'optimització per eixam de partícules (PSO) per a la selecció de les característiques rellevants, la tècnica d'ADASYN per a solucionar el problema del desbalanceig del grups d'èxit i de fracàs d'inducció, i xarxes neuronals per a desenvolupar el sistema predictor de l'èxit d'inducció. El classificador dissenyat presenta una exactitud del 84 i 76% per a la predicció de l'èxit d'inducció des del punt de vista farmacològic (si arriba al període actiu de part o no) i clínica (part vaginal o cesària). Per a millora la precisió d'aquest últim s'ha proposat un classificador anellat que permet predir en una primera fase si una dona arribarà el període actiu de part o no, i discriminar els parts vaginals dels parts per cesària en una segona fase per a aquelles dones que arriben el període actiu de part. Els resultats experimentals mostren que el classificador anellat permet obtenir una exactitud del 93% per a distingir els parts vaginals dels parts per cesària. Aquests resultats suggereixen que l'EHG podria ser utilitzat per al disseny de sistema predictor de l'èxit d'inducció, constituint-se així una eina de gran ajuda per a la presa de decisió dels obstetres en la inducció del part., [EN] Labor induction is a common practice in obstetrics that raises to the 20% of the births and that is indicated when further benefits from finalizing gestation for both the mother and the fetus are obtained rather than letting the pregnancy continue. However, labor induction is associated with more complications in comparison with spontaneous labor. One of the key point in the labor induction’s beginning and ending is that there is a great uncertainty about if it will succeed or if a csection will be required. The providing of a tool that enables physician to predict the induction success will let them design a tailored asset management strategy. It has been proved in literature that cervix state before the drug administration and the mother’s and fetus characteristics are factor that impacts on the induction success. Nevertheless, we lack from a reliable mathematical model that predicts it. In this sense, knowing the electrophysiological state of the uterus and it’s “maturity” -the muscular uterine cells excitability and propagability grade- is a key point for predicting labor induction drugs response. The uterine electric activity register on the surface (electrohysterogram, EHG) has been proved to be one of the most promising biomarkers not just of the uterine dynamics but also electrophysiologic uterus state. Therefore, the goal of this paper is the design and development of a labor induction prediction system based on EHG registers and obstetrics data. For this purpose, 94 EHG registers have been used which have been obtained from women who have been induced with misoprostol or dinoprostone, the two most common used labor induction drugs. Each recording session has taken 30 minutes before drug administration and the first 4 hours after it. 23 temporal, spectral and non-lineal parameters have been calculated for EHG-burst characterization -myoelectric activity associated with uterine contractions- located in 30 minutes signal blocks. The temporal evolution analysis during the first 4 hours indicates that EHG characteristics suffers a significant change after 120 minutes regarding basal activity independently of the drug used. Based on these results, EHG parameters used have been calculated from basal activity -before drug administration-, and the activity after 120, 150, 180 and 210 minutes for the labor induction predictive system design. For this purpose, Particle Swarm Optimization has been used for selecting the most relevant characteristics, ADASYN has been used for balancing both success and failure inductions classes and artificial neural network have been used for developing the labor induction predictor. The designed classifier achieves an 84 and 76% for labor success prediction from the pharmacological (whether if the patient reaches the active labor period) and clinical (whether if labor is vaginal or c-section) point of view. For improving the latter precision, a nested classifier has been developed that predicts at first whether if a woman will achieve the active labor period or not and in a second phase whether if the women (those who had reached the active labor period) delivery will be a vaginal one or if a c-section will be needed. Experimental results show that the nested classifier gives us a 93% accuracy in distinguishing between vaginal delivery and c-section delivery. These results suggest that EHG could be used for the design of a labor induction success predictor, constituting a helpful tool for clinician’s decision-making in labor induction.