Resumen

En este artículo se describe la construcción de modelos de clasificación, mediante la aplicación de algoritmos de machine learning, en el dominio kinesiológico del diagnóstico de neuropatías, en pacientesque presentan diabetes. El proceso se desarrolla mediante la metodología CRISP-DM, acorde al procesode Descubrimiento de Conocimiento en Bases de Datos (KDD). El objetivo principal de la investigaciónes construir un modelo de clasificación de la condición de neuropatía diabética en pacientes, mediantelos datos registrados por el experto y, principalmente, por el uso de una Wii Balance Board paracapturar las variaciones posturales de un sujeto sometido a una serie de evaluaciones clínicas. Enesta investigación, se analizan los resultados obtenidos en cada fase del proceso y se mide el grado decumplimiento de los objetivos y las métricas de rendimiento, en la evaluación de los modelos de machinelearning. Los resultados obtenidos serán ampliados con el análisis de series de tiempo y la extracción de características, bajo la hipótesis de que el centro de presión (COP) es un predictor suficiente para discriminar la existencia de una neuropatía.

INTRODUCCIÓN

El problema de la clasificación de pacientes con condición de neuropatía diabética (DN) es un tema de investigación en el área de la salud, particularmente en la Facultad de Ciencias de la Salud de la Universidad de Antofagasta. Una de las actividades de los profesionales del Departamento de Kinesiología de esta institución es apoyar a pacientes adultos y adultos mayores en la rehabilitación de patologías musculoesqueléticas, siendo el principal grupo de estudio los individuos diabéticos. En el 50% de los casos de diabetes mellitus tipo 1 y 2, las personas desarrollan DN. Esto afecta al sistema nervioso periférico y puede causar pérdida de sensibilidad, dolor muscular y debilidad, ya que el sistema nervioso no codifica correctamente las señales enviadas por el cuerpo (1. En casos extremos, debido a la pérdida sensorial y a la mala circulación, los pacientes no son conscientes de las lesiones o heridas en sus extremidades, lo que lleva a la amputación de las partes afectadas. De ahí que sea necesario un modelo de clasificación de pacientes que, mediante el análisis de atributos cuantitativos, identifique la presencia de la patología.

Desde el punto de vista metodológico, en este trabajo se utilizó una variación de la guía Cross Industry Standard Process for Data Mining (CRISP-DM), para el desarrollo de modelos de aprendizaje automático. La evaluación de los resultados y del proceso de desarrollo se basó, además de las métricas de desempeño estándar, en el juicio de expertos en el dominio (área de kinesiología) para la correcta interpretación y evaluación de los resultados obtenidos. La situación inicial de cómo el fisioterapeuta abordó el problema de determinar si un paciente presenta una neuropatía, considera el análisis de los síntomas utilizando evaluaciones clínicas estandarizadas y las pruebas posturales utilizando un dispositivo Wii Balance Board (WBB).

• Materias:Diabetes Algoritmo de diagnóstico Minería de datos
• Subjects:Diabetes Diagnostic algorithm Data mining
• Palabras claves:centro de presión, clasificación, CRISP-DM, diabetes, minería de datos, neuropatía diabética.
• Keywords:center of pressure, classification, CRISP-DM, data mining, diabetes, diabetic neuropathy.