Aplicación de algoritmos de machine learning en la prediccion de la diabetes mellitus tipo II
Year: 2020
Type: dissertation
Abstract: Motivación. El conocimiento genético aportado por las nuevas tecnologías de secuenciación ha permitido desarrollar herramientas de predicción de riesgo a padecer enfermedades multifactoriales y poligénicas. En este sentido, se ha estudiado la diabetes mellitus tipo II (DMT2) mediante técnicas de computación como el machine learning (ML) para el desarrollo de herramientas predictivas de riesgo poligénico. Para ello, se empleó la información procedente del proyecto SUN e InCluSilver y se incluyó una selección de variables, limpieza de datos e imputación multivariante de datos faltantes sobre un tamaño muestral de 1000 participantes. Posteriormente, se aplicaron 7 algoritmos diferentes de ML supervisado y la técnica de k-fold cross validation empleando el lenguaje de programación R. Resultados. De los 7 algoritmos evaluados para comparar la capacidad predictiva del ML frente a los métodos tradicionales, los algoritmos basados en árboles de decisión no obtuvieron la robustez suficiente. Sin embargo, 2 de estos modelos como son el método K-nearest neighbours (KNN) y redes neuronales (NN) aportaron resultados con baja variabilidad, bajos índices de error y correlaciones positivas entre los datos de entrada y los valores predichos, siendo el modelo NN el que obtuvo los resultados más prometedores.
Author: Alonso Castrillejo, Sergio
Institution: Universidad Pública de Navarra (UPNA)
Language: Spanish
Subfield: Health Information Management
Field: Health Professions
Domain: Health Sciences
Open Access status: green
OpenAlex ID: W7035780541
