Diseño de un algoritmo genético para generar conocimiento presuntivo del síndrome metabólico

David Mauricio Sanchez, Luis Guerra, Rosa Delgadillo, Percy De la Cruz, Virginia Vera

Resumen


Recientes estudios de la World Health Organization muestran que existen actualmente en el mundo 220 millones de personas con diabetes y que dicho número debe duplicarse para el 2030, de este número aproximadamente el 90% de pacientes tienen alta probabilidad de tener síndrome metabólico , siendo este último un síndrome cuyo protocolo de diagnóstico y tratamiento aún no es un estándar para las diversas instituciones internacionales que estudian dicho síndrome, por lo que se hace necesario el uso de técnicas no convencionales para su investigación. Una técnica no convencional e incipiente pero que está presentando buenos resultados en el diagnóstico de algunas patologías en medicina humana es machine learning , sin embargo, a la fecha no existe su aplicación para el síndrome metabólico.En el presente trabajo se introduce un machine learning para generar conocimiento para el diagnóstico del síndrome metabólico, a través de una propuesta de algoritmo genético. La generación de conocimiento es realizado a fin de optimizar la tasa de verdaderos y falsos positivos, además, se introduce una representación cromosómica del conocimiento, y los operadores genéticos de crossover y mutation.

Palabras clave


Síndrome metabólico, aprendizaje automático, algoritmo genético, descubrimiento de conocimiento.

Texto completo:

PDF

Enlaces refback

  • No hay ningún enlace refback.




Copyright (c) 2014 David Mauricio Sanchez, Luis Guerra, Rosa Delgadillo, Percy De la Cruz, Virginia Vera

Licencia de Creative Commons
Este obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional.

 

 



Facultad de Ingeniería de Sistemas e Informática, Universidad Nacional Mayor de San Marcos, Lima, Perú Teléfono: (511) 619 7000 (anexo 3604) Correo electrónico: investigacion@sistemas.edu.pe.