Resumen

El presente trabajo demuestra el diseño y la implementación de un dispositivo no invasivo, portátil y seguro para las personas, capaz de predecir la diabetes de tipo 2, utilizando bioimpedancia eléctrica y características biométricas para entrenar una máquina de aprendizaje artificial mediante un algoritmo de aprendizaje activo basado en la selección de poblaciones. Además, dispone de una API con una interfaz gráfica que permite la predicción y el almacenamiento de datos cuando se envían las características de la persona. Los resultados obtenidos muestran una precisión superior al 90% con significación estadística (p < 0,05). Los valores del coeficiente Kappa fueron superiores a 0,9, lo que demuestra que el dispositivo tiene una buena capacidad predictiva que permitiría el proceso de cribado de la diabetes tipo 2. Este desarrollo contribuye a la medicina preventiva y permite determinar a bajo coste, cómodamente, sin preparación médica y en menos de 2 minutos si una persona tiene diabetes tipo 2.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:diabetes, tipo, valores del coeficiente Kappa, algoritmo de aprendizaje activo, máquina de aprendizaje artificial, buena capacidad predictiva, persona, características biométricas, bioimpedancia eléctrica, interfaz gráfica
• Keywords:diabetes, type, Kappa coefficient values, active learning algorithm, artificial learning machine, good predictive capacity, person, biometric features, electrical bioimpedance, graphical interface