Aprendizaje automático explicable para la evaluación y prevención del riesgo de arteriopatía coronaria

Louridi Nabaouia; Douzi Samira; El Ouahidi Bouabid

doi:10.56294/dm202365

Artículos originales

Published: 2023-12-29

DOI: https://doi.org/10.56294/dm202365

Aprendizaje automático explicable para la evaluación y prevención del riesgo de arteriopatía coronaria

Resumen

La enfermedad arterial coronaria (EAC) es una dolencia cada vez más prevalente que tiene un impacto significativo tanto en la longevidad como en la calidad de vida. El estilo de vida, la genética, la nutrición y el estrés contribuyen en gran medida al aumento de las tasas de mortalidad. La EAC puede prevenirse con una intervención precoz y cambios en el estilo de vida. En consecuencia, se necesitan soluciones automatizadas de bajo coste para detectar precozmente la EAC y ayudar a los profesionales sanitarios a tratar eficazmente las enfermedades crónicas. métodos de aumento de datos, como las redes generativas adversariales (GAN) y los autocodificadores variacionales (VAE), para resolver el problema de los datos desequilibrados. Se aplicó Optuna para optimizar los hiperparámetros. El método propuesto se probó en el conjunto de datos del mundo real Z-Alizadeh Sani. Los resultados obtenidos fueron satisfactorios, ya que el modelo fue capaz de predecir la probabilidad de padecer una enfermedad cardiovascular en un individuo concreto combinando Catboost con VAE, lo que demostró una buena precisión en comparación con los otros enfoques. El modelo propuesto se evaluó utilizando diversas métricas, como la exactitud, la recuperación, la puntuación f, la precisión y la curva ROC. Además, utilizamos los valores SHAP para determinar importantes factores de riesgo de enfermedad coronaria.

Keywords:

Enfermedad Arterial Coronaria,

Aprendizaje Automático Explicable,

Factores de Riesgo,

Aumento de Datos,

Cómo citar

Nabaouia L, Samira D, Ouahidi Bouabid E. Aprendizaje automático explicable para la evaluación y prevención del riesgo de arteriopatía coronaria. Data and Metadata [Internet]. 29 de diciembre de 2023 [citado 7 de julio de 2024];2:65. Disponible en: https://dm.saludcyt.ar/index.php/dm/article/view/65

Aviso de derechos de autor/a

Este artículo se distribuye bajo la licencia Creative Commons Attribution 4.0 License. A menos que se indique lo contrario, el material publicado asociado se distribuye bajo la misma licencia.

Article metrics

Google scholar: See link

Métricas

Cargando métricas ...

Vol. 2 (2023)

See full issue

Revistas / Journals

Issue

Acerca de

Envíos

Aprendizaje automático explicable para la evaluación y prevención del riesgo de arteriopatía coronaria

Resumen

Keywords:

Cómo citar

Aviso de derechos de autor/a

Article metrics

Métricas

Vol. 2 (2023)

Disclaimer