Análisis de rendimiento de modelos gratuitos de Machine Learning (aprendizaje automático) utilizados en infraestructura de la nube en la predicción de la diabetes

Abstract

El aprendizaje automático es una herramienta que, aplicada a la detección de enfermedades como la diabetes, puede optimizar los procesos de prevención, detección y gestión en salud pública, pero la implementación de estas tecnologías comúnmente se ve bloqueada por la brecha en conocimientos técnicos y los altos costos, incluso en etapas piloto. Este estudio presenta un ejercicio de selección de datos, preprocesamiento y utilización de varias herramientas gratuitas de Machine Learning en la nube, que ofrecen una configuración sencilla y facilitan el entrenamiento de modelos para minimizar costos y tiempo en la prevención de la enfermedad. Los resultados son evaluados y comparados con diferentes métricas que demuestran la capacidad y facilidad que ofrecen estas herramientas para tareas de clasificación de pacientes sanos y pacientes con diabetes.

Machine Learning is a tool that, when applied to disease detection such as diabetes, can optimize processes for prevention, detection, and management in public health. However, the implementation of these technologies is often hindered by the knowledge gap and high costs, even in pilot stages. This study presents an exercise in data selection, preprocessing, and the use of various free cloud-based Machine Learning tools, which offer simple setups and facilitate model training to minimize costs and time in disease prevention. The results are evaluated and compared using different metrics that demonstrate the capabilities and ease these tools provide for classifying healthy patients and patients with diabetes.