Evaluación de Modelos de Aprendizaje Automático para la Clasificación de la Diabetes Utilizando Factores...

Área de la Ciencia:

• Salud Ambiental; Ciencia de Datos; Informática Biomédica

Sus antecedentes:

• La diabetes mellitus es una enfermedad compleja influenciada por factores clínicos, metabólicos, de estilo de vida, demográficos y ambientales. Los modelos actuales de clasificación de la diabetes a menudo pasan por alto los biomarcadores de exposición ambiental, basándose principalmente en indicadores biomédicos. La integración de diversas fuentes de datos es crucial para una comprensión integral del desarrollo de la diabetes.

Objetivo del estudio:

• Desarrollar y evaluar un marco de clasificación de aprendizaje automático supervisado para la diabetes diagnosticada por un médico. Evaluar el impacto de la integración de biomarcadores de exposición ambiental con características demográficas, antropométricas, clínicas y de comportamiento. Comparar el rendimiento de ocho clasificadores supervisados diferentes utilizando datos de la Encuesta Nacional de Examen de Salud y Nutrición (NHANES).

Principales métodos:

• Se utilizaron datos de NHANES 2017-2018 para adultos de 18 años o más. Se abordaron los datos faltantes utilizando Imputación Múltiple por Ecuaciones Encadenadas y se corrigió el desequilibrio de clases con Técnica de Sobremuestreo Sintético de Minorías. Se evaluaron ocho clasificadores supervisados mediante validación cruzada estratificada de diez pliegues y un conjunto de retención independiente de 80/20.

Principales resultados:

• Random Forest y XGBoost demostraron un rendimiento superior con valores ROC AUC de 0.891 y 0.885, respectivamente, después del preprocesamiento de datos. El análisis de importancia de características destacó la edad, los ingresos familiares y la circunferencia de la cintura como predictores clave. XGBoost logró la mayor precisión general y puntuación F1, mientras que Random Forest mostró la mayor sensibilidad en la evaluación fuera de muestra.

Conclusiones:

• La incorporación de biomarcadores de exposición ambiental mejora significativamente el rendimiento de la clasificación para la diabetes diagnosticada por un médico. Los hallazgos abogan por la inclusión de variables de exposición química en la estratificación del riesgo de diabetes a nivel de población. La integración de conjuntos de características heterogéneas, incluidos datos ambientales, es valiosa para la evaluación del riesgo para la salud basada en el aprendizaje automático.