Modelo computacional de clasificación de aprendizaje de máquina supervisado, para el análisis de datos cardiovas-culares y pronóstico médico

• Blanc-Pihuave, Glenda ^[2] ; Cevallos-Torres, Lorenzo ^[1] ; Arteaga-Vera, José
  1. [1] Universidad de Guayaquil

     Universidad de Guayaquil

     Guayaquil, Ecuador

     
  2. [2] Universidad Ecotec
• Localización: Ecuadorian Science Journal, ISSN-e 2602-8077, Vol. 4, Nº. 2, 2020 (Ejemplar dedicado a: Septiembre), págs. 71-79
• Idioma: español
• Títulos paralelos:
  • Computational model of supervised machine learning classification, for the analysis of cardiovascular data and medical prognosis
• Enlaces
  • Texto completo
• Resumen
  • español

    Las enfermedades cardiovasculares son un problema de salud pública en Ecuador y todo el mundo, por lo que este trabajo investigativo propone el diseño de un modelo computacional de clasificación a través del uso de técnicas de machine Lear-ning, con el apoyo de modelos probabilísticos que permitan modelar los factores de riesgo de enfermedades cardiovasculares. Este modelo está basado en Redes Bayesianas, que, en base a los factores de riesgo de la enfermedad, mostrará como resul-tado el porcentaje que tiene el paciente de contraer la misma. Se aplicó la metodología de investigación documental que aporte con el conocimiento necesario para la realización de este proyecto en el cual se realizaron pruebas para verificar el comportamiento de cada una de las variables utilizadas en el modelo probabilístico, el cual brindará resultados eficientes y en un corto periodo de tiempo, siendo así una herramienta de apoyo en la toma de decisiones para los expertos.

  • English

    Cardiovascular diseases are a public health problem in Ecuador and around the world, so this research work proposes the design of a computational model of classification using techniques of machine Learning, with the support of probabilistic models that allow modeling of cardiovascular disease risk factors. This model is based on Bayesian Networks, which, based on the risk factors of the disease, will show the percentage that the patient has of contracting it. The documentary research methodology was applied that provides the necessary knowledge to carry out this project in which tests were carried out to verify the behavior of each of the variables used in the probabilistic model, which will provide efficient results. and in a short period of time, thus being a support tool in decision-making for experts.