Aplicación del aprendizaje automático en la predicción de los resultados del cribado de diabetes mediante síntomas comunes en entornos con recursos limitados
DOI:
https://doi.org/10.30681/2526101014416Palabras clave:
Diabetes Mellitus, Salud Electrónica, Aprendizaje Automático, Electrónica Médica, Tecnología BiomédicaResumen
Objetivo: evaluar si un algoritmo de aprendizaje automático podía predecir con precisión los resultados del cribado de diabetes utilizando síntomas fácilmente reconocibles en lugar de mediciones de laboratorio o fisiológicas. Método: se utilizaron datos anónimos de pacientes del Hospital de Diabetes Sylhet en Bangladesh. Se introdujeron catorce síntomas, junto con la edad y el sexo, en nueve modelos de aprendizaje automático supervisado: Random Tree, C4.5, C-RT, CS-MC4, Análisis Discriminante Lineal, Inducción de Reglas, Lista de Decisiones, ID3 y Mínimos Cuadrados Parciales. Resultados: los modelos predijeron eficazmente el estado de diabetes basándose en los síntomas, alcanzando una precisión promedio del 94,2 % ± 4, un TPR del 93,4 % ± 4, un TNR del 95 % ± 5, un FPR del 4,6 % ± 5, un FNR del 6,6 % ± 5 y una medida F del 94,3 % ± 4. Conclusión: el algoritmo Random Tree obtuvo el mejor rendimiento y muestra un gran potencial para convertirse en una herramienta de detección intuitiva que fomente la evaluación médica oportuna.
Referencias
1. Polonsky KS. The past 200 years in diabetes. N Engl J Med. 2012; 367(14):1332-40.
2. Unnikrishnan R, Pradeepa R, Joshi SR, Mohan V. Type 2 Diabetes: Demystifying the Global Epidemic. Diabetes. 2017; 66(6):1432-42.
3. Sifunda S, Mbewu AD, Mabaso M, Manyaapelo T, Sewpaul R, Morgan JW, et al. Prevalence and Psychosocial Correlates of Diabetes Mellitus in South Africa: Results from the South African National Health and Nutrition Examination Survey (SANHANES-1). Int J Environ Res Public Health. 2023; 20(10).
4. King H, Aubert RE, Herman WH. Global burden of diabetes, 1995-2025: prevalence, numerical estimates, and projections. Diabetes Care. 1998; 21(9):1414-31.
5. Ogurtsova K, Guariguata L, Barengo NC, Ruiz PL-D, Sacre JW, Karuranga S, et al. IDF diabetes Atlas: Global estimates of undiagnosed diabetes in adults for 2021. Diabetes Res Clin Pract. 2022; 183:109118.
6. Gedebjerg A, Almdal TP, Berencsi K, Rungby J, Nielsen JS, Witte DR, et al. Prevalence of micro- and macrovascular diabetes complications at time of type 2 diabetes diagnosis and associated clinical characteristics: A cross-sectional baseline study of 6958 patients in the Danish DD2 cohort. JDC. 2018; 32(1):34-40.
7. Walker JJ, Livingstone SJ, Colhoun HM, Lindsay RS, McKnight JA, Morris AD, et al. Effect of socioeconomic status on mortality among people with type 2 diabetes: a study from the Scottish Diabetes Research Network Epidemiology Group. Diabetes Care. 2011; 34(5):1127-32.
8. Weng C, Coppini DV, Sönksen PH. Geographic and social factors are related to increased morbidity and mortality rates in diabetic patients. Diabet Med. 2000; 17(8):612-7.
9. Vijayan VV, Anjali C. Prediction and diagnosis of diabetes mellitus—A machine learning approach. 2015 IEEE Recent Advances in Intelligent Computational Systems (RAICS); 2015: IEEE.
10. Woldemichael FG, Menaria S, editors. Prediction of diabetes using data mining techniques. 2018 2nd international conference on trends in electronics and informatics (ICOEI); 2018: IEEE.
11. Tasin I, Nabil TU, Islam S, Khan R. Diabetes prediction using machine learning and explainable AI techniques. Healthc Technol Lett. 2023; 10(1-2):1-10.
12. Qin Y, Wu J, Xiao W, Wang K, Huang A, Liu B, et al. Machine Learning Models for Data-Driven Prediction of Diabetes by Lifestyle Type. Int J Environ Res Public Health. 2022; 19(22).
13. Islam MMF, Ferdousi R, Rahman S, Bushra HY. Likelihood Prediction of Diabetes at Early Stage Using Data Mining Techniques. In: Gupta M, Konar D, Bhattacharyya S, Biswas S. Computer Vision and Machine Intelligence in Medical Image Analysis. Advances in Intelligent Systems and Computing. 2020; 992.
14. Pranto B, Mehnaz SM, Mahid EB, Sadman IM, Rahman A, Momen S. Evaluating Machine Learning Methods for Predicting Diabetes among Female Patients in Bangladesh. Info. 2020; 11(8):374.
15. Ahmed N, Ahammed R, Islam MM, Uddin MA, Akhter A, Talukder MA, et al. Machine learning based diabetes prediction and development of smart web application. IJCCE. 2021; 2:229-41.
16. Islam MA, Jahan N. Prediction of onset diabetes using machine learning techniques. Int J Comput Appl. 2017; 180(5):7-11.
17. Varma KM, Panda DB. Comparative analysis of Predicting Diabetes Using Machine Learning Techniques. J Emerg Technol Innov Res. 2019; 6:522-30.
18. Rathore A, Chauhan S, Gujral S. Detecting and Predicting Diabetes Using Supervised Learning: An Approach towards Better Healthcare for Women. Int J Adv Comput Sci. 2017; 8(5).
19. Radja M, Emanuel AWR, editors. Performance evaluation of supervised machine learning algorithms using different data set sizes for diabetes prediction. 2019 5th international conference on science in information technology (ICSITech); 2019: IEEE.
20. Alghamdi T. Prediction of Diabetes Complications Using Computational Intelligence Techniques. Appl Sc. 2023; 13(5):3030.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Journal Health NPEPS
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Autores que publicam nesta revista concordam com os seguintes termos:
- Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
Authors who publish in this journal agree to the following terms:
a) Authors retain the copyright and grant the journal the right of first publication, with the work simultaneously licensed under the Creative Commons Attribution License which allows the sharing of work with acknowledgment of authorship and initial publication in this journal.
b) Authors are authorized to take additional contracts separately, for non-exclusive distribution of the version of the work published in this journal (eg publish in institutional repository or as a book chapter), with acknowledgment of authorship and initial publication in this journal.
c) Authors are allowed and encouraged to publish and distribute their work online (eg in institutional repositories or on their personal page) at any point before or during the editorial process, as this can generate productive changes as well as increase the impact and The citation of the published work.
Los autores que publican en esta revista están de acuerdo con los siguientes términos:
a) Los autores conservan los derechos de autor y conceden el muñón derecho de la primera publicación de la obra al mismo tiempo licenciado bajo la licencia Creative Commons Atribución que permite compartir el trabajo con el reconocimiento de su publicación inicial en esta revista.
b) Los autores son capaces de asumir contratos adicionales por separado, la distribución no exclusiva de la versión del artículo publicado en esta revista (por ejemplo: Publicar en el repositorio institucional o como un libro), con un reconocimiento de su publicación inicial en esta revista.
c) Los autores están permitidos y alentados a publicar su trabajo en línea (por ejemplo: En repositorios institucionales o en su página web) en cualquier momento antes o durante el proceso de redacción, ya que puede dar lugar a intercambios productivos, así como aumentar el impacto y la citación de los trabajos publicados.
