Técnicas de Machine Learning para la predicción de síntomas a los dos años de vida en bebés prematuros.

Abstract

Hoy en día la inteligencia artificial es uno de los conceptos más importantes en el avance tecnológico. Es una herramienta aplicada en diversos campos de la industria, de la agricultura y también en el ámbito de la medicina. El objetivo fundamental de la IA, en el ámbito de la salud, es mejorar la atención médica. En este proyecto, la atención de los neonatos presenta desafíos únicos que pueden abordarse con éxito mediante la integración de la inteligencia artificial. Los neonatos, bebés nacidos antes de terminar el proceso de maduración, requieren una atención medica especial y también un seguimiento a medida que el prematuro crece en sus primeros años de vida, debido a las posibles complicaciones de salud asociadas o secuelas que pueden desarrollarse a lo largo de su vida. Esta investigación pretende que algoritmos de Machine Learning (o Aprendizaje Automático) puedan detectar patrones de secuelas antes de los 24 meses de vida con datos médicos recogidos en el momento del nacimiento del bebé. Esto permitirá a los médicos que evalúen el riesgo de complicaciones, permitiendo intervenciones preventivas y personalizadas. Se llevará a cabo la investigación de cuatro tipo de secuelas que ayudarán a la Sociedad Española de Neonatología a encontrar si existe alguna correlación entre los datos médicos recogidos al nacimiento y las secuelas observadas en el seguimiento a los dos años de vida. En cada caso se aplicará 4 tipos de estrategias diferentes encabezadas por dos técnicas, extracción de atributos mediando el análisis de componente principales y selección de características relevantes mediante la clase SelectKBest de la librería de scikit-learn. Finalmente, se llevará acabo el entrenamiento de dos modelos Random Forest y XGBoost. En conclusión, la implementación de Machine Learning en la atención a prematuros ha demostrado ser una innovación prometedora para optimizar el cuidado médico en estos bebés y ...