Regresar

Desarrollo de modelo pbkp_redictivo basado en algoritmos de aprendizaje supervisado de Machine Learning, para el análisis de datos en pacientes con la enfermedad de Crohn.

Abstract:

La enfermedad de Crohn es determinada como preocupación a nivel mundial que como efecto puede ocasionar el deceso de un paciente. Por lo cual el fin de esta investigación es el desarrollo de un modelo pbkp_redictivo de aprendizaje supervisado de machine learning (ML), que ayude a la toma de decisiones de los médicos nóveles durante el diagnóstico y prescripción de tratamientos, recomendados para mejorar la calidad de vida de los pacientes. Los modelos ML se implementan con el fin de predecir si un paciente padece o no la dolencia de Crohn, considerando las características de riesgos de la misma. Para este fin se consideran dos modelos ML muy difundidos en diferentes aplicaciones, el gradient boosting classification (GBC) y los Árboles de Clasificación (AC). Se utilizó un dataset con 5117 historias clínicas de pacientes con y sin la enfermedad. Esta información se dividió en dos set de datos para el entrenamiento y validación de los modelos, en la proporción 70% y 30%, respectivamente. Durante el entrenamiento el mejor modelo ML fue el GBC, obteniendo mejores métricas de validación tales como exactitud, sensibilidad y f1-score. Además, para corroborar este resultado favorable de GBC, el dataset fue sometido a la técnica de validación K-Fold Cross-Validation para ambos modelos GBC y AC, el cual evaluó la desviación estándar y media de las métricas de desempeño tales como exactitud, sensibilidad y F1-score; ratificando que el mejor modelo de clasificación ajustado al set de datos fue GBC. Finalmente, con estructuras GBC se probaron distintos valores de hiperparámetros, logrando una mejora alrededor de un 1,03% en cuanto al porcentaje de exactitud. Este último modelo ajustado fue utilizado en la ejecución de un sistema web usando Django para la pbkp_redicción de la enfermedad a partir de los factores de riesgos de pacientes que son ingresados por el médico tratante.