Resumen

Antecedentes. Entre las técnicas de aprendizaje automático utilizadas para predecir la cardiopatía coronaria, las redes neuronales (RN) son las más utilizadas para mejorar la precisión de los resultados. Objetivo. Aunque los sistemas basados en NN proporcionan resultados significativos basados en experimentos clínicos, los expertos médicos no están satisfechos con su rendimiento predictivo porque las NN se entrenan al estilo "caja negra". Método. Intentamos diseñar una predicción basada en NN del riesgo de cardiopatía coronaria mediante el análisis de correlación de características (NN-FCA) utilizando dos etapas. En primer lugar, se clasifica la etapa de selección de características, que realiza las características de acuerdo con la importancia en la predicción del riesgo de CHD, y en segundo lugar, se determina la etapa de análisis de correlación de características, durante la cual se aprende acerca de la existencia de correlaciones entre las relaciones de características y los datos de cada salida del predictor NN. Resultados. De los 4146 individuos del conjunto de datos coreano evaluados, 3031 tenían un riesgo bajo de cardiopatía coronaria y 1115 un riesgo alto. El área bajo la curva receiver operating characteristic (ROC) del modelo propuesto (0,749 ± 0,010) fue mayor que la puntuación de riesgo de Framingham (FRS) (0,393 ± 0,010). Conclusiones. El NN-FCA propuesto, que utiliza el análisis de correlación de características, resultó ser mejor que el FRS en términos de predicción del riesgo de cardiopatía coronaria. Además, el modelo propuesto dio lugar a una curva ROC mayor y a predicciones más precisas del riesgo de cardiopatía coronaria en la población coreana que la FRS.

• Materias:Algoritmos de aprendizaje Transductores de ultrasonido Ingeniería de atención Estudio biomecánico Ortesis progresivas estáticas
• Subjects:Learning algorithms Ultrasound transducers Care engineering Biomechanical study Static progressive orthoses
• Palabras claves:NN, análisis de correlación de características, riesgo de cardiopatía coronaria, FRS, etapa de análisis de correlación de características, predicción del riesgo de cardiopatía coronaria, puntuación de riesgo de Framingham, salida del predictor NN, cardiopatía coronaria, etapa de selección de características.
• Keywords:NN, feature correlation analysis, CHD risk, FRS, feature correlation analysis stage, CHD risk prediction, Framingham risk score, NN predictor output, coronary heart disease, feature selection stage