Tiempos Determinantes Para la Clasificación de Personas con Depresión Utilizando Algoritmos Genéticos.

Abstract

Introducción: La depresión afecta a más de 300 millones de personas en el mundo de acuerdo con la Organización Mundial de la Salud (OMS) y su prevalencia oscila entre 3% y 21%. En la mayoría de los países se presenta dos veces más en las mujeres que en los hombres. La depresión se manifiesta como un conjunto de síntomas psicológicos y físicos. El predominio de sentimientos de tristeza, apatía, desesperanza e irritabilidad, así como el deterioro en el aspecto personal, el llanto y el insomnio, son marcadores de la presencia de la enfermedad.1. La depresión también puede presentarse junto con otras enfermedades emocionales y/o físicas, por ejemplo, con ansiedad, abuso en el consumo de alcohol y otras sustancias, enfermedades sistemáticas.2 De acuerdo a la duración de la presencia de los síntomas que van desde transitorios, hasta persistentes (meses o años), se puede clasificar a la depresión como leve, moderada o severa. Dependiendo del grado de depresión, ésta puede interferir con las actividades laborales, escolares, familiares y sociales, teniendo una prevalencia en personas entre los 15 a 45 años.3.Antecedentes: Cada año se suicidan cerca de 800 000 personas, y el suicidio es la segunda causa de muerte entre las personas de 15 a 29 años (OMS).Objetivo: Determinar los tiempos clave para poder clasificar a personas sanas y personas con depresión utilizando algoritmos genéticos y técnicas de aprendizaje automatico.Materiales y Métodos: Utilizando los datos obtenidos del depresjon dataset que es un conjunto de datos que se recopilo originalmente para el estudio de la actividad motriz en la esquizofrenia y la depresión mayor, de este se extraen los tiempos más relevantes o claves usando algoritmos genéticos para después aplicar técnicas de aprendizaje automático como: redes neuronales y regresión logística para clasificar a pacientes entre sanos y con depresión. Resultados: conclusiones: Los algoritmos genéticos nos proporcionó una selección de características útiles dentro del conjunto de datos para generar una clasificación satisfactoria con un porcentaje de precisión de 0.747 y un área bajo la curva de 0.751 para el caso de las redes neuronales y en la regresión logística una precisión de 0.756 con área bajo la curva de 0.758. Esto indica que es posible crear un sistema capaz de clasificar a personas con depresión debido a la posibilidad de aumentar el índice de confiabilidad dadas estas métricas de validación.