REVISTA DYNA NEW TECHNOLOGIES

Palabras clave:

Predicción, redes neuronales artificiales, ciencia de datos, trastornos físicos, trastornos mentales, Prediction, artificial neural networks, data science, physical disorders, mental disorders

Tipo de artículo:

ARTICULO DE INVESTIGACION / RESEARCH ARTICLE

Sección:

ARTICULOS DE INVESTIGACION / RESEARCH ARTICLES

RESUMEN:
El objetivo del presente trabajo consistió en construir cuatro modelos de predicción de Enfermedades No Transmisibles (ENT) para apoyar el diagnóstico precoz mediante la aplicación de Redes Neuronales Artificiales (RNA) profundas y de agrupamiento; mediante análisis comparativo se eligió el mejor paradigma. Siguiendo la metodología para ciencia de datos se analizaron los objetivos, requisitos del proyecto y la calidad de los datos, se realizó limpieza y normalización, la identificación de número óptimo de grupos mediante método de silueta. Cada modelo se entrenó con 70% de registros y se validaron con el 30% restante mediante matriz de confusión y F1. El análisis comparativo exhibió el mejor desempeño del perceptron multicapa con aprendizaje profundo (sobre red con funciones de base radial de agrupamiento), su exactitud, precisión, sensibilidad, especificidad y F1 fue del 99%, 97%, 100%, 97% y 98% respectivamente para cáncer de pulmón, 99%, 98%, 100%, 100% y 98% para cáncer de mama, Alzheimer con 98.6%, 100%, 96%, 100% y 97%, y depresión con 91%, 87%, 93%, 88% y 88%, estos modelos constituyen una solución automatizada para fortalecimiento del diagnóstico médico, se consideran apoyo estratégico en la prevención de ENT que contribuirá a mejorar el pronóstico y calidad de vida de personas vulnerables.
Palabras clave: Predicción, redes neuronales artificiales, ciencia de datos, trastornos físicos, trastornos mentales