Desarrollo de modelos de aprendizaje de máquinas para predecir enfermedades/condiciones durante el embarazo

Abstract

El Aprendizaje de Máquinas (ML) y la Inteligencia Artificial (AI) son temas en auge hoy en día, utilizadas en campos como la medicina. En este contexto, las condiciones del embarazo, como la Diabetes Mellitus Gestacional (GDM) y Grande para la Edad Gestacional (LGA), pueden tener consecuencias graves para la salud materna y fetal. En esta tesis se desarrollan modelos de ML para detectar GDM y LGA, considerando las limitaciones económicas en sistemas de salud. Se busca que los modelos sean sencillos, utilizando variables fácilmente obtenibles. Se implementaron 12 modelos de ML que fueron entrenados y probados con una base de datos de pacientes de un hospital chileno, se consideraron más de 3000 variaciones de hiperparámetros. Los mejores modelos obtuvieron una sensibilidad y especificidad de 82% y 75% respectivamente para GDM y 87% y 80% para LGA. Además, se introduce un método de Aumentación de Datos personalizado e innovador, diseñado para variables específicas con límites y restricciones basada en la experiencia médica. Se realiza una comparación con modelos del estado del arte para evaluar la eficacia de las soluciones propuestas en relación con la investigación existente, lo cual muestra una mejora en el desempeño respecto a modelos propuestos en condiciones similares.