Resumen

En la actualidad, los métodos de aprendizaje automático han demostrado ser muy eficaces en la identificación de diversos tipos de enfermedades, en forma de modelos predictivos. El síndrome de Guillain-Barré (SGB) es un trastorno neurológico autoinmune potencialmente mortal que apenas se ha estudiado con técnicas computacionales y se han propuesto pocos modelos predictivos. En un estudio anterior, se utilizaron con éxito clasificadores individuales para construir un modelo predictivo. Creemos que un modelo predictivo es imprescindible para llevar a cabo un tratamiento adecuado en los pacientes con prontitud. Diseñamos tres experimentos de clasificación: (1) utilizando los cuatro subtipos de SGB, (2) uno contra todos (OVA), y (3) uno contra uno (OVO). Estos experimentos utilizan un conjunto de datos del mundo real con 129 instancias y 16 características relevantes. Además, comparamos cinco métodos de conjunto del estado del arte con 15 clasificadores individuales con 30 ejecuciones independientes. Se utilizaron medidas de rendimiento estándar para obtener el mejor clasificador en cada experimento. A partir de los experimentos, concluimos que Random Forest mostró los mejores resultados en la clasificación de cuatro subtipos de EGB, ningún método de conjunto destacó sobre el resto en la clasificación de OVA, y los clasificadores individuales superaron a los métodos de conjunto en la mayoría de los casos en la clasificación de OVO. Este estudio presenta un novedoso modelo predictivo para la clasificación de cuatro subtipos del síndrome de Guillain-Barré. Nuestro modelo identifica el mejor método para cada caso de clasificación. Esperamos que nuestro modelo pueda ayudar a los médicos especializados como herramienta de apoyo y también pueda servir de base para mejorar los modelos en el futuro.

• Materias:Biotecnología Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithms Brain - pathophysiology Neurophysiology
• Palabras claves:modelo predictivo, clasificador único, métodos de conjunto, síndrome de Barré, subtipos de Guillain, modelo predictivo novedoso, experimento, tipo de enfermedad, métodos de aprendizaje automático, medidas de rendimiento estándar
• Keywords:predictive model, single classifier, ensemble methods, barré syndrome, subtypes of guillain, novel predictive model, experiment, type of disease, machine learning methods, standard performance measures