Aprendizaje automático para predecir el diagnóstico temprano de personas con hipertensión arterial: Revisión sistemática

Resumen

El aprendizaje automático es ampliamente utilizado en el campo de la medicina y va aumentando cada vez más por la cantidad de datos almacenados. Los resultados que obtienen los modelos predictivos sirven como soporte para una buena toma de decisiones al personal médico. El objetivo fue identificar qué métodos, variables y algoritmos son utilizados para la predicción en la hipertensión arterial utilizando aprendizaje automático. Se realizó la revisión sistemática en los buscadores de PubMed, ScienceDirect, Redalyc y Scopus, estudios referentes a la predicción del diagnóstico temprano de la hipertensión arterial en personas. Para el proceso de selección se utilizó Prisma, aplicando distintos criterios de exclusión. Se encontraron 10.916 artículos, siendo incluidos 15 para la revisión. Varios autores aplican más de un modelo para comparar los resultados en sus investigaciones. El modelo más mencionado, usado y de mejor resultado fue Random Forest obtuvo una Especifidad (0.96), Precisión (0.92) y AUC(0.95). Random forest es un algoritmo de ML supervisado y es el mas usado para este tipo de investigaciones. Finalmente se logró proporcionar los modelos mayormente mencionados y utilizados en las investigaciones, así mismo identificar los modelos con un alto rendimiento predictivo. Existen pocos estudios que combinen datos demográficos, clínicos y patológicos, para implementar modelos en la predicción del diagnóstico temprano de personas con hipertensión arterial.