Modelo de inteligencia artificial para la detección temprana de diabetes
Introducción. La diabetes es una enfermedad crónica que se caracteriza por el aumento de la concentración de la glucosa en sangre. Puede generar complicaciones que afectan la calidad de vida y aumentan los costos de la atención en salud. En los últimos años, las tasas de prevalencia y mortalidad han...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Instituto Nacional de Salud
2023-12-01
|
| Series: | Biomédica: revista del Instituto Nacional de Salud |
| Subjects: | |
| Online Access: | https://revistabiomedica.org/index.php/biomedica/article/view/7147 |
| _version_ | 1797357090746925056 |
|---|---|
| author | William Hoyos Kenia Hoyos Rander Ruiz-Pérez |
| author_facet | William Hoyos Kenia Hoyos Rander Ruiz-Pérez |
| author_sort | William Hoyos |
| collection | DOAJ |
| description | Introducción. La diabetes es una enfermedad crónica que se caracteriza por el aumento de la concentración de la glucosa en sangre. Puede generar complicaciones que afectan la calidad de vida y aumentan los costos de la atención en salud. En los últimos años, las tasas de prevalencia y mortalidad han aumentado en todo el mundo. El desarrollo de modelos con gran desempeño predictivo puede ayudar en la identificación temprana de la enfermedad.
Objetivo. Desarrollar un modelo basado en la inteligencia artificial para apoyar la toma de decisiones clínicas en la detección temprana de la diabetes.
Materiales y métodos. Se llevó a cabo un estudio de corte transversal, utilizando un conjunto de datos que incluía edad, signos y síntomas de pacientes con diabetes y de individuos sanos. Se utilizaron técnicas de preprocesamiento para los datos. Posteriormente, se construyó el modelo basado en mapas cognitivos difusos. El rendimiento se evaluó mediante tres parámetros: exactitud, especificidad y sensibilidad.
Resultados. El modelo desarrollado obtuvo un excelente desempeño predictivo, con una exactitud del 95 %. Además, permitió identificar el comportamiento de las variables involucradas usando iteraciones simuladas, lo que proporcionó información valiosa sobre la dinámica de los factores de riesgo asociados con la diabetes.
Conclusiones. Los mapas cognitivos difusos demostraron ser de gran valor para la identificación temprana de la enfermedad y en la toma de decisiones clínicas. Los resultados sugieren el potencial de estos enfoques en aplicaciones clínicas relacionadas con la diabetes y respaldan su utilidad en la práctica médica para mejorar los resultados de los pacientes. |
| first_indexed | 2024-03-08T14:39:43Z |
| format | Article |
| id | doaj.art-7676a54399774c0585a283de448787e5 |
| institution | Directory Open Access Journal |
| issn | 0120-4157 2590-7379 |
| language | English |
| last_indexed | 2024-03-08T14:39:43Z |
| publishDate | 2023-12-01 |
| publisher | Instituto Nacional de Salud |
| record_format | Article |
| series | Biomédica: revista del Instituto Nacional de Salud |
| spelling | doaj.art-7676a54399774c0585a283de448787e52024-01-11T19:41:04ZengInstituto Nacional de SaludBiomédica: revista del Instituto Nacional de Salud0120-41572590-73792023-12-0143Sp. 311012110.7705/biomedica.71478602Modelo de inteligencia artificial para la detección temprana de diabetesWilliam Hoyos0Kenia Hoyos1https://orcid.org/0000-0003-0203-2367Rander Ruiz-Pérez2https://orcid.org/0000-0002-2982-4367Grupo de Investigación en Ingeniería Sostenible e Inteligente, Universidad Cooperativa de Colombia, Montería, Colombia; Grupo de Investigaciones Microbiológicas y Biomédicas de Córdoba, Universidad de Córdoba, Montería, ColombiaLaboratorio Clínico, Clínica Salud Social, Sincelejo, ColombiaGrupo de Investigación Interdisciplinario del Bajo Cauca y Sur de Córdoba, Universidad de Antioquia, Medellín, ColombiaIntroducción. La diabetes es una enfermedad crónica que se caracteriza por el aumento de la concentración de la glucosa en sangre. Puede generar complicaciones que afectan la calidad de vida y aumentan los costos de la atención en salud. En los últimos años, las tasas de prevalencia y mortalidad han aumentado en todo el mundo. El desarrollo de modelos con gran desempeño predictivo puede ayudar en la identificación temprana de la enfermedad. Objetivo. Desarrollar un modelo basado en la inteligencia artificial para apoyar la toma de decisiones clínicas en la detección temprana de la diabetes. Materiales y métodos. Se llevó a cabo un estudio de corte transversal, utilizando un conjunto de datos que incluía edad, signos y síntomas de pacientes con diabetes y de individuos sanos. Se utilizaron técnicas de preprocesamiento para los datos. Posteriormente, se construyó el modelo basado en mapas cognitivos difusos. El rendimiento se evaluó mediante tres parámetros: exactitud, especificidad y sensibilidad. Resultados. El modelo desarrollado obtuvo un excelente desempeño predictivo, con una exactitud del 95 %. Además, permitió identificar el comportamiento de las variables involucradas usando iteraciones simuladas, lo que proporcionó información valiosa sobre la dinámica de los factores de riesgo asociados con la diabetes. Conclusiones. Los mapas cognitivos difusos demostraron ser de gran valor para la identificación temprana de la enfermedad y en la toma de decisiones clínicas. Los resultados sugieren el potencial de estos enfoques en aplicaciones clínicas relacionadas con la diabetes y respaldan su utilidad en la práctica médica para mejorar los resultados de los pacientes.https://revistabiomedica.org/index.php/biomedica/article/view/7147diabetes/diagnósticopredicciónfactores de riesgosistema de apoyo a la decisión clínicainteligencia artificial |
| spellingShingle | William Hoyos Kenia Hoyos Rander Ruiz-Pérez Modelo de inteligencia artificial para la detección temprana de diabetes Biomédica: revista del Instituto Nacional de Salud diabetes/diagnóstico predicción factores de riesgo sistema de apoyo a la decisión clínica inteligencia artificial |
| title | Modelo de inteligencia artificial para la detección temprana de diabetes |
| title_full | Modelo de inteligencia artificial para la detección temprana de diabetes |
| title_fullStr | Modelo de inteligencia artificial para la detección temprana de diabetes |
| title_full_unstemmed | Modelo de inteligencia artificial para la detección temprana de diabetes |
| title_short | Modelo de inteligencia artificial para la detección temprana de diabetes |
| title_sort | modelo de inteligencia artificial para la deteccion temprana de diabetes |
| topic | diabetes/diagnóstico predicción factores de riesgo sistema de apoyo a la decisión clínica inteligencia artificial |
| url | https://revistabiomedica.org/index.php/biomedica/article/view/7147 |
| work_keys_str_mv | AT williamhoyos modelodeinteligenciaartificialparaladetecciontempranadediabetes AT keniahoyos modelodeinteligenciaartificialparaladetecciontempranadediabetes AT randerruizperez modelodeinteligenciaartificialparaladetecciontempranadediabetes |