Métodos de Aprendizaje Automático No Supervisados en Datos de Factores de Riesgo Clínico

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

Mendoza

Jornada; XXV Jornadas de Investigación de la Universidad Nacional de Cuyo; 2018

Universidad Nacional de Cuyo

El sector de la salud se caracteriza por un creciente volumen de datos producto de múltiples innovaciones tecnológicas que se han ido incorporando a sus procesos. Existen potentes herramientas para el análisis de este tipo de datos, en particular aquellas provenientes del aprendizaje automático (machine learning). Un caso de interés es el estudio de factores de riesgo, central en la prevención de enfermedades. 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 de la salud y para la correcta evaluación de las probabilidades de morbimortalidad del paciente. En los últimos años, se han comenzado a plantear 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 aplicamos técnicas de aprendizaje automático no supervisadas sobre una base de datos de factores de riesgo clínicos empírica. Nuestros resultados muestran que este tipo de análisis permite obtener segmentaciones de pacientes que pueden ser un complemento útil para apoyar la toma de decisiones en el área de la salud.