Regresar

Algoritmos de aprendizaje no supervisado para la estimación de la resistencia a la insulina y el síndrome metabólico en el adulto mayor de la ciudad de Cuenca

Abstract:

En este trabajo de titulación se explora la Resistencia a la Insulina (RI) y el Síndrome Metabólico (SM) en el Adulto Mayor cuencano desde el punto de vista de métodos de clasificación no supervisada. En el caso de la RI se analizaron cinco métodos de estimación usando una clasificación de K-medias sobre una población de 119 adultos mayores de la ciudad de Cuenca quienes se sometieron a una Prueba Oral de Tolerancia a la Glucosa (POTG) de dos puntos. El algoritmo de K-medias, con K=2 y K=3 fue aplicado en experimentos unidimensionales para los métodos Homa-IR, Quicki, Avignon, Matsuda. Los resultados obtenidos permitieron desarrollar una plataforma de ayuda al diagnóstico de RI y fueron objeto de dos publicaciones (en el IV Congreso de Tecnologías de la Información y Comunicación TIC-EC 2017, y el IEEE ETCM 2017: 2nd IEEE Ecuador Technical Chapters Meeting). Para el estudio del SM usando Self-Organizing Map (SOM) de Kohonen, se analizaron dos tipos de normalización (binaria y por rangos) para las entradas de la red neuronal usando una población de 387 adultos mayores. Los resultados, usando un pre-procesamiento por rangos permiten una mejor clasificación de la población en todos los casos. Este estudio ha permitido seleccionar el tipo de pre-procesamiento para el diagnóstico de SM en la población de adultos mayores de la ciudad de Cuenca usando SOM y fue objeto de una publicación en el V Congreso REDU 2017 y el II Congreso I+D+Ingeniería. Los trabajos futuros están orientados a validar los resultados obtenidos en otras poblaciones de adultos mayores.