Modelo de clasificación para la predicción del riesgo de diabetes mediante algoritmos de Machine Learning
Year: 2026
Type: article
Abstract: El aumento de personas con diabetes a nivel general mantiene en alerta al sector médico, y existe el impulso de ver otras alternativas para detectar o predecir su posible presencia. El objetivo general de esta investigación es diseñar un modelo de clasificación para la predicción temprana del riesgo de diabetes mediante algoritmos de Machine Learning, utilizando un conjunto de datos público y métricas de evaluación de desempeño. En la metodología, se adoptó un enfoque PRISMA y la revisión literaria; el conjunto de datos utilizado tiene 9 columnas y 768 registros; en la encuesta solo respondieron 30 doctores en medicina, se utilizó el método Likert y respuestas cerradas. Entre los resultados se obtuvo que, en la revisión sistemática los principales factores de riesgos son Glucosa, Insulina y Presión Arterial; los usos comunes de los modelos ML son Predicción/Clasificación; las técnicas ML principales de mayor uso son SVM, Decision Tree, Logistic Regression y Random Forest. En el desarrollo del prototipo, se utilizó con tres algoritmos cuya exactitud fue: Random Forest de 77.27%, SVM de 74.03% y Decision Tree de 77.27%; y la clasificación fue como “Diabéticos” y “No Diabéticos”. El mejor desempeño lo obtuvo Random Forest al tomar AUC-ROC como métrica priorizada, Random Forest obtuvo un AUC-ROC de 0.8181, seguido de SVM con 0.7963 y Decision Tree con 0.7825; Random Forest presentó la mejor capacidad de discriminación global entre las clases porque obtuvo el mayor valor de AUC-ROC; aunque, se aclara que Decision Tree obtuvo mejores valores de Recall y F1-score, y menor cantidad de falsos negativos. Por ende, la selección del modelo más conveniente depende de la métrica que se priorice en el contexto médico. De acuerdo a la encuesta contestada por 30 doctores, valoraron de forma muy positiva los factores de riesgo utilizados en el modelo predictivo, buena aceptación de los factores, alta utilidad del modelo en prevención, y un medio-alto nivel de confianza. La encuesta fue una valoración de los profesionales médicos, no fue una validación clínica del modelo. Se concluyó que, el modelo y otras técnicas ML, son prometedoras para la identificación, clasificación y predicción de diversas enfermedades, aunque la calidad del conjunto de datos afecta el rendimiento de los algoritmos.
Author: Vivanco Moncayo, Brando Leo
Language: Spanish
Subfield: Health Information Management
Field: Health Professions
Domain: Health Sciences
Open Access status: green
OpenAlex ID: W7212340016