Métodos computacionales para la interpretabilidad de los resultados bioinformáticos en el ámbito clínico

Abstract

Actualmente, uno de los mayores desafíos de las técnicas de aprendizaje computacional es la predicción en el dominio sanitario. La Inteligencia Artificial se usa para el apoyo a la toma de decisiones médicas, por lo cual los algoritmos se enfrentan a conjuntos de datos inestables o incompletos, así como a la incertidumbre y/o ambigüedad en los resultados. Es por ello por lo que ha surgido la necesidad de modelar algoritmos de aprendizaje computacional para la ayuda de la toma de decisiones médicas. Los algoritmos modelados en este proyecto para dicha ayuda son Redes Neuronales y K-Vecinos más cercanos (KNN). Por otro lado, también se puede usar el Razonamiento basado en casos (CBR) para realizar estas predicciones. Se van a implementar tres scripts en R [1], desarrollando en cada uno de ellos los métodos anteriormente nombrados. El objetivo de estos scripts va a ser el de hacer el preprocesamiento de los datos clínicos, para, posteriormente, entrenarlos, validarlos y testearlos con la finalidad de obtener una predicción para la clasificación. Finalmente, se hará una comparación de los resultados obtenidos con los distintos métodos, con objeto de evaluar la semejanza de las predicciones obtenidas con CBR y los demás.