Clasificación de datos de factores de riesgo clínico mediante métodos de aprendizaje automático

LUIS G. MOYANO; DANIEL MILLÁN; ARIEL CURIALE; NORA A. E. MOYANO; JUAN MANUEL GOMEZ PORTILLO

San Rafael

Congreso; V Congreso Latinoamericano de Ingeniería y Ciencias Aplicadas - CLICAP 2018; 2018

Facultad de Ciencias Aplicadas a la Industria de la Universidad Nacional de Cuyo

El área de Aprendizaje Automático (Machine Learning) cuenta con potentes herramientas para el análisis de datos en cualquier sector productivo que genere datos que puedan ser utilizados para mejorar sus procesos y operaciones. Este es el caso del área de la salud. El estudio de factores de riesgo es central en la prevención de enfermedades y, como tal, ha sido analizado en el campo de la medicina desde sus inicios. La comprensión detallada de cuál es la contribución de los distintos factores, modificables y no modificables, a una determinada enfermedad es de fundamental importancia para la posterior actuación del profesional médico y para la correcta evaluación de las probabilidades de morbimortalidad del paciente. En los últimos años, se han comenzado a plantear específicamente diversos tipos de algoritmos de aprendizaje automático, tanto para determinar la influencia de este tipo de factores en el riesgo clínico, como para estratificar, segmentar y clasificar cohortes de pacientes. En este trabajo ilustramos el uso de este tipo de técnicas de aprendizaje automático y estadístico sobre una base de datos de factores de riesgo clínicos empírica, haciendo énfasis en la facilidad de implementación y aplicabilidad general de estas técnicas a otras áreas productivas.