Comparación de algoritmos de aprendizaje automático para la predicción del riesgo de infarto de miocardio.

Abstract

La presente investigación pretende determinar cuál algoritmo de Machine Learning es más efectivo para realizar la predicción de infarto de miocardio usando datos clínicos, con el ánimo de realizar una detección temprana y oportuna para así reducir los índices de morbimortalidad. Para el alcance de dicho objetivo, se brinda un contexto respecto a conceptos como infarto de miocardio, Machine Learning y sus diversos tipos de aprendizaje, la definición de algunos algoritmos y métricas de desempeño habituales. El estado del arte resalta investigaciones relevantes en las cuales se ha abordado la aplicación de Machine Learning para la predicción de enfermedades cardiovasculares, haciendo énfasis en el infarto de miocardio. El proceso para la elección de datos clínicos y algoritmos de Machine Learning, implementación de algoritmos y análisis de resultados, se realiza en cuatro fases que se encuentran detalladas en la sección Metodología. Mientras que en la sección de análisis y discusión de resultados se realiza una comparación de las métricas de desempeño obtenidas para finalmente concluir que algoritmos ofrecieron un mejor rendimiento.

This research aims to determine which Machine Learning algorithm is most effective for predicting myocardial infarction using clinical data, with the goal of enabling early and timely detection to reduce morbidity and mortality rates. To achieve this objective, the study provides context on concepts such as myocardial infarction, Machine Learning and its various learning types, as well as definitions of some commonly used algorithms and performance metrics. The state of the art highlights relevant studies that have applied Machine Learning for the prediction of cardiovascular diseases, with a particular focus on myocardial infarction. The process for selecting clinical data and Machine Learning algorithms, implementing the algorithms, and analyzing the results is carried out in four phases, which are detailed in the Methodology section. Meanwhile, the Analysis and Discussion of Results section compares the performance metrics obtained to ultimately conclude which algorithms demonstrated better performance.