Aplicación de la inteligencia artificial para la detección de personas en riesgo de diabetes

Resumen

La diabetes mellitus es una enfermedad crónica caracterizada por la hiperglucemia, derivada de una producción insuficiente de insulina o de la incapacidad del organismo para utilizarla de forma eficaz. Esta condición genera complicaciones graves como enfermedades cardiovasculares, insuficiencia renal y neuropatías. Según la Organización Mundial de la Salud, el número de personas que viven con diabetes pasó de 200 millones en 1990 a más de 830 millones en 2022, lo que subraya su impacto en la salud pública. La detección temprana es esencial para reducir la progresión y complicaciones de la enfermedad. El presente estudio tiene como objetivo predecir el riesgo de diabetes en personas a partir de datos clínicos y de encuestas recolectados en centros de salud del municipio de Saltillo, México, utilizando algoritmos de Machine Learning (ml). La base de datos fue proporcionada por el Centro de Investigación en Matemáticas Aplicadas de la Universidad Autónoma de Coahuila. Se implementaron cinco algoritmos: Support Vector Machine, Logistic Regression, Random Forest, Multilayer Perceptron y K-Nearest Neighbors evaluando su capacidad predictiva. Los modelos mostraron un desempeño adecuado en la clasificación de individuos sin riesgo de diabetes y una menor sensibilidad en la identificación de personas con riesgo. Esta limitación se asocia principalmente al desbalanceo de clases y a la naturaleza de los datos basados en encuestas. Actualmente, se desarrolla una nueva base de datos balanceada con registros clínicos que permitirá optimizar el rendimiento de los modelos. Los resultados confirman el potencial de las técnicas de ml como herramientas de apoyo en la detección temprana de diabetes. Esta investigación busca generar un modelo predictivo adaptado al contexto local de Saltillo para ofrecer una alternativa innovadora que podría ser escalable a otros entornos de atención médica.