Diseño e implementación de un aplicativo para soporte de decisiones médicas en pacientes con riesgo de diabetes tipo 2

Abstract

La Inteligencia Artificial y su aplicación en el campo de la medicina han generado gran revolución en los últimos tiempos, pues la creación de métodos de aprendizaje supervisado y no supervisado permiten avances significativos en cuanto a la predicción y clasificación de personas con posibles enfermedades tales como la diabetes. Para la identificación de los distintos métodos de Machine Learning que existen, se realizó una revisión sistemática de la literatura y se extrajo información relevante sobre ellos con el fin de tomarlos como referencia en este proyecto. Luego, se eligió y desarrolló un modelo basado en arboles de decisión que obtuvo métricas del 75% usando la metodología ágil del desarrollo Scrum con esprints semanales encaminados a la implementación de cada funcionalidad. Por último, se obtuvieron graficas relevantes que describen el conjunto de datos utilizado (Pima Indians Diabetes Database) y se desplegó un prototipo tipo dashboard que permite obtener la probabilidad de que a un paciente sea diagnosticado con diabetes tipo 2. El presente trabajo tiene como propósito diseñar, modelar e implementar un aplicativo que brinde soporte al profesional de la salud a la hora de tomar decisiones respecto a pacientes en riesgo de diabetes tipo 2.

Artificial Intelligence and its application in the field of medicine have generated great revolution in recent times since the creation of supervised and unsupervised learning methods allow significant advances in terms of prediction and classification of people with possible diseases such as diabetes. For the identification of the different Machine Learning methods that exist, a systematic review of the literature was carried out and relevant information about them was extracted to take them as a reference in this project. Then, a model based on decision trees was chosen and developed to obtain 75% metrics using the agile methodology of Scrum development with weekly sprints aimed at the implementation of each functionality. Finally, relevant graphs describing the dataset used (Pima Indians Diabetes Database) were obtained and a dashboard prototype was deployed to obtain the probability of a patient being diagnosed with type 2 diabetes. The purpose of this work is to design, model and implement an application that provides support to the health professional when making decisions regarding patients with risk of type 2 diabetes.