Resumen

El diagnóstico médico inteligente se ha convertido en algo habitual en la era del big data, aunque esta técnica se ha aplicado al asma solo en contextos limitados. El uso de biomarcadores sanguíneos rutinarios para identificar a los pacientes con asma facilitaría el diagnóstico clínico y mejoraría la investigación de las variables clave del asma mediante técnicas de minería de datos. Utilizamos datos sanguíneos rutinarios de individuos sanos para construir un espacio de Mahalanobis (MS). A continuación, calculamos las distancias de Mahalanobis de los datos sanguíneos rutinarios de entrenamiento de 355 pacientes con asma y 1.480 individuos sanos para garantizar la eficacia del EM. Se utilizaron matrices ortogonales y relaciones señal-ruido para optimizar las variables de los biomarcadores sanguíneos. Se utilizó la curva de características operativas del receptor (ROC) para determinar el valor umbral. Finalmente, validamos el sistema en 182 individuos en función del valor umbral. De 35 pacientes con asma, el MTS clasificó correctamente al 94,15% de los pacientes. Además, el 97,20% de 147 individuos sanos fueron clasificados correctamente. El sistema aisló 7 biomarcadores sanguíneos de rutina. Entre estos biomarcadores, la anchura de distribución de las plaquetas, el volumen medio de las plaquetas, el recuento de glóbulos blancos, el recuento de eosinófilos y la proporción de linfocitos obtuvieron buenos resultados en el diagnóstico del asma. En resumen, el MTS se muestra prometedor como método preciso para identificar a los pacientes con asma basándose en 7 variables de biomarcadores sanguíneos vitales y en el umbral determinado por la curva ROC, ofreciendo así el potencial de simplificar la complejidad del diagnóstico y optimizar la eficiencia clínica.

• Materias:Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Neurofisiología
• Subjects:Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Neurophysiology
• Palabras claves:biomarcadores sanguíneos de rutina, datos sanguíneos de rutina, individuo sano, pacientes con asma, variable de biomarcador sanguíneo, valor umbral, ancho de distribución de las plaquetas, técnicas de minería de datos, recuento de células sanguíneas, volumen medio de plaquetas
• Keywords:routine blood biomarkers, routine blood data, healthy individual, asthma patients, blood biomarker variable, threshold value, platelet distribution width, data mining techniques, blood cell count, means platelet volume