Comparación de métodos de aprendizaje automático en la predicción y caracterización de la temporada de polen de...

Área de la Ciencia:

• Aerobiología
• Ciencia Computacional
• Salud Ambiental

Sus antecedentes:

• Las enfermedades alérgicas estacionales requieren la evitación de alérgenos y un tratamiento oportuno.
• Los pronósticos precisos de concentración de polen son cruciales para una gestión clínica y atención al paciente eficaces.
• La predicción de los niveles de polen ayuda en la personalización del momento de la terapia, aproximadamente siete días antes de las temporadas pico de polen.

Objetivo del estudio:

• Evaluar modelos de aprendizaje automático para predecir las concentraciones de polen de abedul (Betula) y pasto (Poaceae).
• Evaluar la precisión de los pronósticos de polen hasta siete días antes utilizando datos meteorológicos.
• Identificar los factores meteorológicos clave que influyen en la concentración de polen.

Principales métodos:

• Se recopilaron datos de polen de abedul y pasto en Cracovia, Polonia (1991-2024) utilizando el método volumétrico.
• Se utilizaron datos meteorológicos que incluyen temperatura, humedad, velocidad del viento y radiación solar.
• Se aplicaron ocho modelos de aprendizaje automático (lazy, lineal, basados en árboles, aprendizaje profundo) para predecir categorías de concentración de polen.

Principales resultados:

• Los modelos de aprendizaje automático lograron una alta precisión: hasta 92,2% para pronósticos de polen de Betula de 1 día, 88,3% para 4 días y 87,2% para 7 días.
• Los pronósticos de polen de Poaceae alcanzaron una precisión del 86,1% (1 día), 81,8% (4 días) y 80,0% (7 días).
• Los árboles potenciados, los grafos de conocimiento asociativo y las redes neuronales profundas con celdas de memoria fueron los modelos de mejor rendimiento.

Conclusiones:

• El aprendizaje automático proporciona un método satisfactorio y eficiente para predecir la concentración de polen hasta siete días antes.
• Los modelos desarrollados ofrecen herramientas valiosas para médicos y pacientes en el manejo de las alergias estacionales.
• Comprender la relación entre las variables meteorológicas y los recuentos de polen mejora la precisión predictiva.