Implementación de algoritmos de inteligencia artificial para la identificación de pacientes diabéticos utilizando los niveles de lípidos en sangre

Abstract

En los últimos años la principal causa de muerte en México está relacionada con enfermedades multifactoriales, de las cuales, la diabetes ocupa el segundo lugar, solo por debajo de enfermedades de corazón, ambas relacionadas con altos niveles de colesterol y triglicéridos en sangre. Objetivo: Clasificar pacientes con diabetes utilizando algoritmos de inteligencia artificial entrenados previamente con los niveles de colesterol total, HDL, LDH y triglicéridos. Materiales y métodos: Los descriptores relacionados con los lípidos en sangre pertenecen el Centro Médico Siglo XXI, compuesta por una muestra de 1019. Se consideran: Niveles de colesterol total, HDL, LDH y triglicéridos. La metodología propuesta consiste en dos etapas principales: entrenamiento de algoritmos de inteligencia artificial, en la cual se desarrollan modelos de caja negra para buscar la relación de los determinantes mencionados y el padecimiento de diabetes en los sujetos (padecimiento = 1, ausencia = 0), y una segunda etapa para la validación de los algoritmos, utilizando como métrica la sensitividad y especificidad de los mismos mediante la curva ROC y el área bajo la curva (AUC). Resultados: los modelos de regresión logística, árboles de decisión y máquina de soporte vectorial, adquieren un valor de 0.613 hasta 0.727 de AUC, siendo estadísticamente significativos para la detección automática de pacientes diabéticos. Conclusiones: La implementación de algoritmos de Inteligencia artificial, permiten la identificación de pacientes con diabetes utilizando las métricas de lípidos en sangre, para un diagnóstico asistido por computadora.