Predicción temprana de factores de riesgo en el diagnóstico de la enfermedad renal crónica mediante selección de...

Área de la Ciencia:

• Nefrología
• Informática Biomédica
• Aprendizaje Automático

Sus antecedentes:

• La enfermedad renal crónica (ERC) implica una disminución irreversible de la función renal.
• Las etapas tempranas de la ERC a menudo son asintomáticas, lo que complica el diagnóstico.
• La identificación precisa de los factores de riesgo de la ERC es crucial para una intervención oportuna.

Objetivo del estudio:

• Identificar factores de riesgo significativos para la ERC mediante técnicas de selección de características.
• Mejorar el diagnóstico predictivo de la ERC utilizando clasificadores de aprendizaje automático.
• Mejorar la atención al paciente mediante una evaluación más temprana y precisa de los factores de riesgo de la ERC.

Principales métodos:

• Se utilizó un conjunto de datos de ERC con 1032 registros de pacientes y 14 características.
• Se empleó la importancia de las características (basada en árboles) con Sequential Feature Selector (SFS) y ReliefF para la identificación de factores de riesgo.
• Se entrenaron y evaluaron ocho clasificadores de aprendizaje automático supervisados y de conjunto utilizando validación cruzada.

Principales resultados:

• Se identificaron los 10 principales factores de riesgo significativos, emergiendo la hemoglobina como el más crítico.
• Se logró un alto rendimiento en los clasificadores: 86-98% de precisión, AUC > 0.96, precisión 92-98%, recuperación 90-99%, puntuación F1 93-98%.
• El aumento de gradiente demostró un rendimiento superior en precisión, precisión, AUC, recuperación, puntuación F1, especificidad y sesgo.

Conclusiones:

• Los algoritmos de selección de características identificaron eficazmente los factores de riesgo clave de la ERC.
• El pipeline de aprendizaje automático propuesto muestra un fuerte rendimiento diagnóstico para el riesgo de ERC.
• Esta metodología ofrece un enfoque prometedor para la detección más temprana y precisa de los factores de riesgo de la ERC en comparación con los métodos convencionales.