Mejorando la predicción del síndrome de Down mediante un modelo de clasificación de datos médicos inteligente- Caso de Estudio

En el área de la salud la aplicación de medicamentos, realización de cirugías, proyecciones sobre la dispersión de enfermedades infecciosas, estudios del cáncer y otras, características como la precisión y la exactitud son fundamentales. En los últimos años, los métodos de inteligencia artificial co...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Juan Jose Saldana-Barrios, Tomas Concepción, Miguel Vargas-Lombardo
Formato:	article
Lenguaje:	ES
Publicado:	Editorial Universitaria 2016
Materias:	clasificador bayesiano ingenuo máquina de aprendizaje automático máquina de vectores de soporte síndrome de down salud electrónica. Biotechnology TP248.13-248.65
Acceso en línea:	https://doaj.org/article/92688d8ddcdf4f2dadd911566f7657b4
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

id	oai:doaj.org-article:92688d8ddcdf4f2dadd911566f7657b4
record_format	dspace
spelling	oai:doaj.org-article:92688d8ddcdf4f2dadd911566f7657b42021-11-16T19:09:14ZMejorando la predicción del síndrome de Down mediante un modelo de clasificación de datos médicos inteligente- Caso de Estudio1680-88942219-6714https://doaj.org/article/92688d8ddcdf4f2dadd911566f7657b42016-12-01T00:00:00Zhttps://revistas.utp.ac.pa/index.php/id-tecnologico/article/view/1234https://doaj.org/toc/1680-8894https://doaj.org/toc/2219-6714En el área de la salud la aplicación de medicamentos, realización de cirugías, proyecciones sobre la dispersión de enfermedades infecciosas, estudios del cáncer y otras, características como la precisión y la exactitud son fundamentales. En los últimos años, los métodos de inteligencia artificial conocidos como métodos de aprendizaje de máquinas son cada vez más usados para lograr obtener la mayor precisión y certeza en la predicción y clasificación de datos sensibles para la comunidad médica. Actualmente el método de predicción utilizado para estimar la probabilidad de poseer la Aneuploidía conocida como síndrome de Down utiliza límites inferiores y superiores para indicar si los múltiplos de las medianas conocida como MoMs, son calculados mediante pruebas químicas y se encuentran dentro del rango de una población saludable o anormal. Utilizando estos métodos de aprendizaje de máquinas podemos calcular estos límites dinámicamente. El algoritmo determina los parámetros ajustándose a lo indicado por la misma población mejorando así precisión de la estimación. En este trabajo primero se propone un modelo para calcular dinámicamente los valores superiores e inferiores que actúan como límite para pronosticar si un paciente presenta o no esta alteración cromosómica. Segundo, el modelo es explicado e implementado y tercero, los resultados obtenidos mediante el método de máquinas de vectores de soporte y clasificadores bayesianos ingenuos son comparados para determinar cuál de los dos proporciona mejores resultados al momento de predecir el riesgo de padecer esta aneuploidía.Juan Jose Saldana-BarriosTomas ConcepciónMiguel Vargas-LombardoEditorial Universitariaarticleclasificador bayesiano ingenuomáquina de aprendizaje automáticomáquina de vectores de soportesíndrome de downsalud electrónica.BiotechnologyTP248.13-248.65ESRevista de I + D Tecnológico, Vol 12, Iss 2, Pp 36-45 (2016)
institution	DOAJ
collection	DOAJ
language	ES
topic	clasificador bayesiano ingenuo máquina de aprendizaje automático máquina de vectores de soporte síndrome de down salud electrónica. Biotechnology TP248.13-248.65
spellingShingle	clasificador bayesiano ingenuo máquina de aprendizaje automático máquina de vectores de soporte síndrome de down salud electrónica. Biotechnology TP248.13-248.65 Juan Jose Saldana-Barrios Tomas Concepción Miguel Vargas-Lombardo Mejorando la predicción del síndrome de Down mediante un modelo de clasificación de datos médicos inteligente- Caso de Estudio
description	En el área de la salud la aplicación de medicamentos, realización de cirugías, proyecciones sobre la dispersión de enfermedades infecciosas, estudios del cáncer y otras, características como la precisión y la exactitud son fundamentales. En los últimos años, los métodos de inteligencia artificial conocidos como métodos de aprendizaje de máquinas son cada vez más usados para lograr obtener la mayor precisión y certeza en la predicción y clasificación de datos sensibles para la comunidad médica. Actualmente el método de predicción utilizado para estimar la probabilidad de poseer la Aneuploidía conocida como síndrome de Down utiliza límites inferiores y superiores para indicar si los múltiplos de las medianas conocida como MoMs, son calculados mediante pruebas químicas y se encuentran dentro del rango de una población saludable o anormal. Utilizando estos métodos de aprendizaje de máquinas podemos calcular estos límites dinámicamente. El algoritmo determina los parámetros ajustándose a lo indicado por la misma población mejorando así precisión de la estimación. En este trabajo primero se propone un modelo para calcular dinámicamente los valores superiores e inferiores que actúan como límite para pronosticar si un paciente presenta o no esta alteración cromosómica. Segundo, el modelo es explicado e implementado y tercero, los resultados obtenidos mediante el método de máquinas de vectores de soporte y clasificadores bayesianos ingenuos son comparados para determinar cuál de los dos proporciona mejores resultados al momento de predecir el riesgo de padecer esta aneuploidía.
format	article
author	Juan Jose Saldana-Barrios Tomas Concepción Miguel Vargas-Lombardo
author_facet	Juan Jose Saldana-Barrios Tomas Concepción Miguel Vargas-Lombardo
author_sort	Juan Jose Saldana-Barrios
title	Mejorando la predicción del síndrome de Down mediante un modelo de clasificación de datos médicos inteligente- Caso de Estudio
title_short	Mejorando la predicción del síndrome de Down mediante un modelo de clasificación de datos médicos inteligente- Caso de Estudio
title_full	Mejorando la predicción del síndrome de Down mediante un modelo de clasificación de datos médicos inteligente- Caso de Estudio
title_fullStr	Mejorando la predicción del síndrome de Down mediante un modelo de clasificación de datos médicos inteligente- Caso de Estudio
title_full_unstemmed	Mejorando la predicción del síndrome de Down mediante un modelo de clasificación de datos médicos inteligente- Caso de Estudio
title_sort	mejorando la predicción del síndrome de down mediante un modelo de clasificación de datos médicos inteligente- caso de estudio
publisher	Editorial Universitaria
publishDate	2016
url	https://doaj.org/article/92688d8ddcdf4f2dadd911566f7657b4
work_keys_str_mv	AT juanjosesaldanabarrios mejorandolapredicciondelsindromededownmedianteunmodelodeclasificaciondedatosmedicosinteligentecasodeestudio AT tomasconcepcion mejorandolapredicciondelsindromededownmedianteunmodelodeclasificaciondedatosmedicosinteligentecasodeestudio AT miguelvargaslombardo mejorandolapredicciondelsindromededownmedianteunmodelodeclasificaciondedatosmedicosinteligentecasodeestudio
_version_	1718426115690725376

Mejorando la predicción del síndrome de Down mediante un modelo de clasificación de datos médicos inteligente- Caso de Estudio

Ejemplares similares