Segmentación y estratificación de riesgo en pacientes diagnosticados con la enfermedad de Alzheimer a partir de algoritmos de Machine Learning

RESUMEN : Este proyecto tiene como finalidad desarrollar un modelo de segmentación en función de niveles de riesgo en pacientes con alto riesgo de desarrollar la enfermedad de Alzheimer, específicamente los pacientes portadores de la mutación ‘E280A’, debido a la gran importancia que existe en la actualidad la detección temprana de la enfermedad ya que permite realizar ensayos clínicos e intervenciones eficaces cuando el daño neurológico es relativamente leve en el paciente. Para el cumplimiento del estudio se hace uso de una de las metodologías más utilizadas en la minería de datos conocida como ‘CRISP-DM’. A partir de esta, se realiza el respectivo procesamiento de las bases de datos y la implementación de los modelos que permiten segmentar a la población de estudio. Finalmente, se implementa una métrica de desempeño conocida como ‘Coeficiente de Silhouette’ para evaluar la calidad del agrupamiento obtenido mediante los algoritmos de clustering. Los resultados obtenidos por los dos modelos de segmentación diseñados dividieron a la población de estudio en dos segmentos. El segundo modelo, el cual obtuvo el mejor puntaje en la métrica de desempeño, logró diferenciar a los dos segmentos en función de niveles de riesgo. Sin embargo, en los dos segmentos definidos existen pacientes que son portadores de la mutación ‘E280A’.

• Autores: Zuluaga Gómez, Paula Andrea
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2022
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/31504
• Acceso en línea: https://hdl.handle.net/10495/31504
• Palabra clave: Enfermedad de Alzheimer; Alzheimer Disease; Mutación; Mutation; Inteligencia artificial; Artificial intelligence; Machine learning; Aprendizaje Automático; Metodología CRISP-DM; Clustering; http://vocabularies.unesco.org/thesaurus/concept3052
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-nc-sa/2.5/co/