Abstract:
Actualmente, con las nuevas implementaciones del uso de bases de datos y el aprendizaje automático en la medicina, todo tiene tendencia a mejorar, optimizar niveles de calidad para el paciente, mayor seguridad en los procesos y proporcionar mejores procesamientos de datos, lo que se ve reflejado en la toma de decisiones. El objetivo de este estudio es diseñar una aplicación web capaz de predecir la adherencia a la CPAP de pacientes que sufren de apnea obstructiva del sueño (AOS) usando técnicas del aprendizaje automático. Para conseguir esto, se realiza el preprocesamiento de la base de datos, la cual está conformada por las variables clínicas de 430 pacientes, consiguiendo así un conjunto de datos limpio y libre de ruido. Se hace uso de métodos de feature selection (Forward, Backward, LASSO, Random Forest), para así obtener las características más relevantes a las cuales se le implementan los modelos predictivos. Finalmente se diseña una aplicación web para a predicción, teniendo en cuenta las validaciones de los modelos, de esta manera se obtiene una herramienta digital de fácil acceso y con una alta precisión como apoyo en la toma de decisiones clínicas.
