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...
Published in: | Biomédica |
---|---|
Main Authors: | , , |
Format: | Article in Journal/Newspaper |
Language: | English Spanish |
Published: |
Instituto Nacional de Salud
2023
|
Subjects: | |
Online Access: | https://doi.org/10.7705/biomedica.7147 https://doaj.org/article/7676a54399774c0585a283de448787e5 |
id |
ftdoajarticles:oai:doaj.org/article:7676a54399774c0585a283de448787e5 |
---|---|
record_format |
openpolar |
spelling |
ftdoajarticles:oai:doaj.org/article:7676a54399774c0585a283de448787e5 2024-02-11T10:01:35+01:00 Modelo de inteligencia artificial para la detección temprana de diabetes William Hoyos Kenia Hoyos Rander Ruiz-Pérez 2023-12-01T00:00:00Z https://doi.org/10.7705/biomedica.7147 https://doaj.org/article/7676a54399774c0585a283de448787e5 EN ES eng spa Instituto Nacional de Salud https://revistabiomedica.org/index.php/biomedica/article/view/7147 https://doaj.org/toc/0120-4157 https://doaj.org/toc/2590-7379 0120-4157 2590-7379 doi:10.7705/biomedica.7147 https://doaj.org/article/7676a54399774c0585a283de448787e5 Biomédica: revista del Instituto Nacional de Salud, Vol 43, Iss Sp. 3, Pp 110-121 (2023) diabetes/diagnóstico predicción factores de riesgo sistema de apoyo a la decisión clínica inteligencia artificial Medicine R Arctic medicine. Tropical medicine RC955-962 article 2023 ftdoajarticles https://doi.org/10.7705/biomedica.7147 2024-01-14T01:37:51Z 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. Article in Journal/Newspaper Arctic Directory of Open Access Journals: DOAJ Articles Arctic Biomédica 43 Sp. 3 110 121 |
institution |
Open Polar |
collection |
Directory of Open Access Journals: DOAJ Articles |
op_collection_id |
ftdoajarticles |
language |
English Spanish |
topic |
diabetes/diagnóstico predicción factores de riesgo sistema de apoyo a la decisión clínica inteligencia artificial Medicine R Arctic medicine. Tropical medicine RC955-962 |
spellingShingle |
diabetes/diagnóstico predicción factores de riesgo sistema de apoyo a la decisión clínica inteligencia artificial Medicine R Arctic medicine. Tropical medicine RC955-962 William Hoyos Kenia Hoyos Rander Ruiz-Pérez Modelo de inteligencia artificial para la detección temprana de diabetes |
topic_facet |
diabetes/diagnóstico predicción factores de riesgo sistema de apoyo a la decisión clínica inteligencia artificial Medicine R Arctic medicine. Tropical medicine RC955-962 |
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. |
format |
Article in Journal/Newspaper |
author |
William Hoyos Kenia Hoyos Rander Ruiz-Pérez |
author_facet |
William Hoyos Kenia Hoyos Rander Ruiz-Pérez |
author_sort |
William Hoyos |
title |
Modelo de inteligencia artificial para la detección temprana de diabetes |
title_short |
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_sort |
modelo de inteligencia artificial para la detección temprana de diabetes |
publisher |
Instituto Nacional de Salud |
publishDate |
2023 |
url |
https://doi.org/10.7705/biomedica.7147 https://doaj.org/article/7676a54399774c0585a283de448787e5 |
geographic |
Arctic |
geographic_facet |
Arctic |
genre |
Arctic |
genre_facet |
Arctic |
op_source |
Biomédica: revista del Instituto Nacional de Salud, Vol 43, Iss Sp. 3, Pp 110-121 (2023) |
op_relation |
https://revistabiomedica.org/index.php/biomedica/article/view/7147 https://doaj.org/toc/0120-4157 https://doaj.org/toc/2590-7379 0120-4157 2590-7379 doi:10.7705/biomedica.7147 https://doaj.org/article/7676a54399774c0585a283de448787e5 |
op_doi |
https://doi.org/10.7705/biomedica.7147 |
container_title |
Biomédica |
container_volume |
43 |
container_issue |
Sp. 3 |
container_start_page |
110 |
op_container_end_page |
121 |
_version_ |
1790597378303066112 |