Implementación de modelos de aprendizaje automático para la prevención de enfermedades renales (ERC) o sus derivadas

Abstract

La Enfermedad Renal Crónica (ERC) es un problema de salud global con una alta tasa de morbilidad y mortalidad, que induce a padecer otras enfermedades. Dado que no hay síntomas visibles durante las primeras etapas de la ERC, los pacientes a menudo no notan la enfermedad. La detección temprana de la ERC permite a los pacientes recibir un tratamiento oportuno para mejorar la progresión de esta enfermedad. Los modelos de Aprendizaje Automático pueden ayudar eficazmente a los médicos a lograr este objetivo debido a su rendimiento de reconocimiento rápido y preciso. En este estudio, proponemos una metodología de Aprendizaje Automático para el diagnóstico de ERC. El conjunto de datos que se utilizó fue otorgado por la Clínica Renal Colombiana, gracias a la colaboración de la nefróloga Sandra Castelo. Estos datos en su totalidad fueron anonimizados. Como guía de referencia se usó el modelo CRISP-DM® [1]. Los datos se trabajaron en su totalidad en la nube en la plataforma de Azure desde ahí se le realizaron los procesos para la exploración y el análisis, donde se encontró que los datos de las muestras estaban desbalanceados. Por lo que se utilizó la técnica SMOTE para balancear los datos. Después de completar de manera efectiva el balanceo de datos, se utilizaron cuatros algoritmos de Aprendizaje Automático (Regresión Logística, Bosque de Decisión, Red Neuronal, y Jungla de Decisiones). Entre estos modelos de Aprendizaje Automático, el de Bosque de Decisión logró el mejor rendimiento con un 92%, que soporta una buena línea base para soluciones en producción en el enfoque empleado en esta investigación.