Identificación de factores de riesgo de cardiopatías isquémicas en mujeres mediante aprendizaje automático

Abstract

Resumen Los síntomas previos al infarto difieren entre hombres y mujeres, siendo menos notorios en el sexo femenino; esto es debido a diferencias fisiológicas y hormonales entre ambos sexos, siendo más sutiles y no claramente reconocibles por ellas o el personal médico, esto es debido a que históricamente han sido poco estudiados en mujeres. En el presente documento se explora la posibilidad de concebir una herramienta digital que ayude a identificar infarto en mujeres. Para conseguir esto proponemos hacer análisis de datos de mujeres que sufrieron un infarto o tienen afecciones coronarias similares, esto con el objetivo de lograr identificar factores de riesgo relacionados con este padecimiento que sean especificas para la mujer, y consecuentemente, obtener una herramienta clasificadora. En nuestros resultados obtuvimos que los factores de riesgo que mayor impacto generan en mujeres según las diversas fuentes utilizadas en los modelos de aprendizaje automático son: último grado de estudios, si es fumador actual, cuantos cigarrillos al día consume, si sufrió de un evento cerebrovascular, si sufre de hipertensión (incluyendo hipertensión medicada), su índice de masa corporal, su edad, el tipo de dolor de pecho, los niveles de glucosa en sangre, si tuvo diabetes gestacional, si padece enfermedad de los riñones, piezas dentales removidas, horas de sueño, grupo étnico, altura en metros, padecer VIH, padecer cáncer de piel, sufrir de alcoholismo, haber sido vacunada de neumonía y de la gripe. Nuestros distintos modelos obtuvieron una precisión de 86%, 100%, 70%, 86% y del 100%. Destacamos la importancia de incorporar en futuros estudios una mayor cantidad de factores de riesgo en mujeres, lo cual permitirá incrementar la precisión de modelos específicos en la clasificación de mujeres en riesgo de enfermedad cardiovascular y permitirá conocer mejor aún el impacto de cada uno de los factores de riesgo específicos en la mujer. Palabras clave: Aprendizaje Automático, Datos clínicos, Sistema para el Apoyo en la Toma de Decisiones, Enfermedad Cardiovascular en Mujeres.

Abstract The symptoms prior to the infarction differ between men and women, being less noticeable in the female sex; this is due to physiological and hormonal differences between both sexes, being more subtle and not clearly recognizable by them or the medical personnel, this is due to the fact that historically they have been little studied in women. This document explores the possibility of conceiving a digital tool that helps identify heart attack in women. To achieve this, we propose to analyze data from women who suffered a heart attack or have similar coronary diseases, with the aim of identifying risk factors related to this condition that are specific to women, and consequently, obtaining a classification tool. In our results we obtained that the risk factors that generate the greatest impact on women according to the various sources used in the machine learning models are: last degree of studies, if you are a current smoker, how many cigarettes per day you use, if you suffered from a cerebrovascular event, if you suffer from hypertension (including medicated hypertension), your body mass index, your age, the type of chest pain, blood glucose levels, if you had gestational diabetes, if you have kidney disease, teeth removed, hours of sleep, ethnic group, height in meters, suffering from HIV, suffering from skin cancer, suffer Of alcoholism, having been vaccinated for pneumonia and the flu. Our different models obtained an accuracy of 86%, 100%, 70%, 86% and 100%. We emphasize the importance of incorporating a greater number of risk factors in women for future studies, this will increase the accuracy of specific models in the classification of women at risk of cardiovascular disease and will allow an even better understanding of the impacts of each of the specific risk factors in women.