Binary file ./template_functions.inc.php matches
Aprendizaje automático aplicado a la detección temprana de Diabetes mellitus tipo 2: Caso Saltillo, México - RIIIT
Aprendizaje automático aplicado a la detección temprana de Diabetes mellitus tipo 2: Caso Saltillo, México
A lo largo de las últimas décadas, los sistemas de salud en el mundo han registrado un importante crecimiento en el número de personas con diagnóstico de Diabetes Mellitus, el cual se puede describir como un padecimiento asociado a condiciones de vida poco saludables tales como la obesidad y/o sobrepeso, vida sedentaria y alimentación rica en azúcares y grasas, así como a la predisposición por factores genéticos. Ante la falta de estrategias de detección temprana, los afectados son diagnosticados una vez que han desarrollado la enfermedad y, por tanto, presentan síntomas evidentes. En este artículo se presentan los resultados de un estudio, donde se llevó a cabo el levantamiento de información clínica sobre personas mayores de 15 años con factores de riesgo a la Diabetes Mellitus Tipo 2, atendidos en el Instituto Mexicano del Seguro Social en la Ciudad de Saltillo, Coahuila, México. Dicha base de datos, de 1820 registros, permitió explorar diferentes herramientas de Machine Learning que permiten la detección temprana de enfermedades, tal es el caso de los modelos de Aprendizaje supervisado como Naive Bayes y Random Forest, los cuales, al ser entrenados alcanzaron más de 73% de sensibilidad en la predicción de esta enfermedad.
Palabras clave: Diabetes mellitus tipo 2, Machine Learning, Modelos predictivos.
;)
