Creación y puesta en marcha de algoritmo metaheurístico híbrido de aprendizaje automático para el reconocimiento de factores en diabetes mellitus

Abstract

Resumen. Cada año se pierden muchas vidas en el mundo y nuestro país debido a la diabetes mellitus, la cual es una enfermedad crónica que es considerada junto con la hipertensión y la obesidad se considera como una de las más impactantes en nuestro país, de ahí la importancia de investigar los factores que determinan cómo se desarrolla esta patología. Mediante esta investigación, se diseñó, desarrolló y creó un algoritmo metaheurístico híbrido de aprendizaje automático para identificar temprana y oportuna de pacientes predispuestos a padecer esta enfermedad en la población de Aguascalientes. En esta tesis se desarrolló un marco de trabajo el cual se describe a continuación: Este marco de trabajo se realizó con información real de 91 bases de datos, 86 pertenecientes a centros de salud y 5 pertenecientes a hospitales generales del Instituto de Servicios de Salud del Estado de Aguascalientes, dichas bases de datos fueron procesadas filtradas y discretizadas para su procesamiento en los siguientes estudios. Mediante el desarrollo e implementación de un algoritmo de testores típicos se trabajó una línea de investigación con la cual se obtuvieron cinco testores típicos, con las variables de los testores típicos resultantes se diseñaron y desarrollaron 5 redes neuronales y paralelamente se desarrolló e implemento un clasificador ingenuo de bayes, con el propósito de comparar y obtener la mejor precisión de los clasificadores de redes neuronales desarrollados y posteriormente comparar esa precisión con la precisión del ingenuo de bayes y finalizar seleccionando el mejor clasificador. Además se realizó la propuesta de reagrupación de unidades de salud respecto a sus jurisdicciones de responsabilidad y se encontraron las zonas geográficas con mayor incidencia de diabetes mellitus, mediante el desarrollo y aplicación de un algoritmo K-means modificado se propone una nueva jurisdicción sanitaria con la finalidad de mejorar la distribución y reducción de distancia de los centros de salud hacia las jurisdicciones de responsabilidad, traduciéndose esto en una mejor atención, mejor distribución de los insumos para los centros de salud e incluso una detección temprana de patologías tan importantes como la Diabetes Mellitus. Cabe resaltar que los resultados de esta investigación además de ser novedosos proporcionan información relevante los cuales dan la pauta para investigaciones futuras de diabetes mellitus y otras patologías relevantes en la población de Aguascalientes.

Abstract. Every year many lives are lost worldwide and in our country because of diabetes mellitus, which is a chronic disease that together with hypertension and obesity is considered one of the most impacting diseases in our country, hence the importance of investigating the factors that determine how this pathology develops. Through this research, a hybrid metaheuristic machine learning algorithm was designed, developed and created to identify early and opportune patients predisposed to develop this disease in the population of Aguascalientes. In this thesis a framework was developed which is described below: This framework was performed with real information from 91 databases, 86 belonging to health centers and 5 belonging to general hospitals of the Instituto de Servicios de Salud del Estado de Aguascalientes, these databases were processed filtered and discretized for processing in the following studies. Through the development and implementation of an algorithm of typical testers, a line of research was worked with which five typical testers were obtained, with the variables of the resulting typical testers 5 neural networks were designed and developed and in parallel a naive Bayes classifier was developed and implemented, with the purpose of comparing and obtaining the best accuracy of the developed neural network classifiers and then comparing that accuracy with the accuracy of the naive Bayes classifier and finally selecting the best classifier. In addition, a proposal was made to cluster health units with respect to their jurisdictions of responsibility and the geographic areas with the highest incidence of diabetes mellitus were found. Through the development and application of a modified K-means algorithm, a new health jurisdiction was proposed with the purpose of improving the distribution and reducing the distance from the health centers to the jurisdictions of responsibility, resulting in better care, better distribution of supplies for the health centers and even early detection of pathologies as important as Diabetes Mellitus. It should be highlighted that the results of this research, in addition to being novel, provide relevant information that will set the guidelines for future research on diabetes mellitus and other relevant pathologies in the population of Aguascalientes.