Búsqueda de Similitud en Datos de Diabetes Derivados del BRFSS: Un Sistema de Encuestas de Salud Poblacional, Mediante Embeddings Biomédicos de Código Abierto y Árboles Annoy
Year: 2026
Type: article
Abstract: La diabetes es una enfermedad crónica de impacto global cuyo análisis presenta desafíos derivados del volumen, la variedad y la heterogeneidad de los datos y poblaciones disponibles. En este contexto, el uso de métodos computacionales avanzados resulta esencial para interpretar y procesar grandes conjuntos de información en salud. En este artículo se evalúa el desempeño de diversos embeddings biomédicos de código abierto aplicados a datos de diabetes derivados del Behavioral Risk Factor Surveillance System [Sistema de vigilancia de factores de riesgo conductuales] (BRFSS), un sistema continuo de encuestas de salud poblacional en EE. UU. Asimismo, se analiza cómo su rendimiento se ve influido al integrarse con la estructura de indexación Approximate Nearest Neighbors Oh Yeah (Annoy), con el objetivo de optimizar la búsqueda de similitud y reducir los costos computacionales asociados con la recuperación de información relevante. Los resultados muestran que la combinación de embeddings biomédicos y Annoy reduce el tiempo total de búsqueda entre un 45 % y un 52 % en comparación con el uso exclusivo de embeddings, manteniendo niveles de precisión comparables. En conjunto, los hallazgos evidencian que este enfoque constituye una alternativa eficaz para acelerar la recuperación semántica en datos de diabetes basados en encuestas poblacionales, sin comprometer la calidad de los resultados. [Diabetes is a chronic disease with global impact whose analysis poses challenges due to the volume, variety, and heterogeneity of available clinical and population data. In this context, the use of advanced computational methods is essential for interpreting and processing large health datasets. This study evaluates the performance of several open-source biomedical embeddings applied to diabetes data derived from the Behavioral Risk Factor Surveillance System (BRFSS), a continuous population health survey system in the United States. It also examines how their performance is influenced when integrated with the Approximate Nearest Neighbors Oh Yeah (Annoy) indexing structure, with the aim of optimizing similarity search and reducing the computational costs associated with retrieving relevant information. The results show that combining biomedical embeddings with Annoy reduces total search time by 45% to 52% compared to using embeddings alone, while maintaining comparable accuracy levels. Overall, the findings demonstrate that this approach is an effective alternative for accelerating semantic retrieval in diabetes data based on population surveys without compromising result quality].
Institution: Universidad Americana de Europa
Language: Spanish
Subfield: Health Information Management
Field: Health Professions
Domain: Health Sciences
Open Access status: hybrid
OpenAlex ID: W7162779187