Aprendizaje automático en el diagnóstico médico. Un caso de estudio en la identificación del Trastorno del Espectro Autista a partir del comportamiento ocular
A pesar de los avances recientes, el diagnóstico del autismo sigue siendo un desafío complejo debido a la necesidad de recursos médicos especializados, tiempo y materiales. Esto a menudo resulta en diagnósticos tardíos, incluso en la edad adulta, dificultando las intervenciones efectivas. Por otro l...
Saved in:
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | Spanish |
| Published: |
Universitat Politècnica de València
2024-02-01
|
| Series: | Revista Iberoamericana de Automática e Informática Industrial RIAI |
| Subjects: | |
| Online Access: | https://polipapers.upv.es/index.php/RIAI/article/view/20484 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1841563941227986944 |
|---|---|
| author | Roberto Chávez-Trujillo Rosa M. Aguilar José Luis González-Mora |
| author_facet | Roberto Chávez-Trujillo Rosa M. Aguilar José Luis González-Mora |
| author_sort | Roberto Chávez-Trujillo |
| collection | DOAJ |
| description | A pesar de los avances recientes, el diagnóstico del autismo sigue siendo un desafío complejo debido a la necesidad de recursos médicos especializados, tiempo y materiales. Esto a menudo resulta en diagnósticos tardíos, incluso en la edad adulta, dificultando las intervenciones efectivas. Por otro lado, el campo de la inteligencia artificial y el aprendizaje automático ha experimentado un notable progreso. Estas técnicas han abierto nuevas oportunidades entre otras muchas áreas, en el diagnóstico médico, incluyendo el Trastorno del Espectro Autista (TEA). El objetivo principal de este artículo es ofrecer una visión general de la aplicabilidad de las técnicas de aprendizaje automático en el diagnóstico médico, a través de un caso de uso específico en el TEA. Se ha desarrollado un modelo de clasificación basado en el algoritmo XGBoost, que logra una sensibilidad del 82 % y una especificidad del 74 % al clasificar muestras individuales. Además, al combinar este modelo con un algoritmo de votación por mayoría, se obtienen unos muy destacados resultados de clasificación en el conjunto de pruebas. |
| format | Article |
| id | doaj-art-b75cf769f76f448c9a8f5b43aa7f5b3c |
| institution | Kabale University |
| issn | 1697-7912 1697-7920 |
| language | Spanish |
| publishDate | 2024-02-01 |
| publisher | Universitat Politècnica de València |
| record_format | Article |
| series | Revista Iberoamericana de Automática e Informática Industrial RIAI |
| spelling | doaj-art-b75cf769f76f448c9a8f5b43aa7f5b3c2025-01-02T23:24:21ZspaUniversitat Politècnica de ValènciaRevista Iberoamericana de Automática e Informática Industrial RIAI1697-79121697-79202024-02-0121320521710.4995/riai.2024.2048419677Aprendizaje automático en el diagnóstico médico. Un caso de estudio en la identificación del Trastorno del Espectro Autista a partir del comportamiento ocularRoberto Chávez-Trujillo0https://orcid.org/0000-0003-2429-2928Rosa M. Aguilar1https://orcid.org/0000-0002-6531-8584José Luis González-Mora2https://orcid.org/0000-0001-8920-1375Universidad de La LagunaUniversidad de La Laguna Universidad de La Laguna A pesar de los avances recientes, el diagnóstico del autismo sigue siendo un desafío complejo debido a la necesidad de recursos médicos especializados, tiempo y materiales. Esto a menudo resulta en diagnósticos tardíos, incluso en la edad adulta, dificultando las intervenciones efectivas. Por otro lado, el campo de la inteligencia artificial y el aprendizaje automático ha experimentado un notable progreso. Estas técnicas han abierto nuevas oportunidades entre otras muchas áreas, en el diagnóstico médico, incluyendo el Trastorno del Espectro Autista (TEA). El objetivo principal de este artículo es ofrecer una visión general de la aplicabilidad de las técnicas de aprendizaje automático en el diagnóstico médico, a través de un caso de uso específico en el TEA. Se ha desarrollado un modelo de clasificación basado en el algoritmo XGBoost, que logra una sensibilidad del 82 % y una especificidad del 74 % al clasificar muestras individuales. Además, al combinar este modelo con un algoritmo de votación por mayoría, se obtienen unos muy destacados resultados de clasificación en el conjunto de pruebas.https://polipapers.upv.es/index.php/RIAI/article/view/20484análisis de bio-señalesanálisis de datosinteligencia artificialaprendizaje automático |
| spellingShingle | Roberto Chávez-Trujillo Rosa M. Aguilar José Luis González-Mora Aprendizaje automático en el diagnóstico médico. Un caso de estudio en la identificación del Trastorno del Espectro Autista a partir del comportamiento ocular Revista Iberoamericana de Automática e Informática Industrial RIAI análisis de bio-señales análisis de datos inteligencia artificial aprendizaje automático |
| title | Aprendizaje automático en el diagnóstico médico. Un caso de estudio en la identificación del Trastorno del Espectro Autista a partir del comportamiento ocular |
| title_full | Aprendizaje automático en el diagnóstico médico. Un caso de estudio en la identificación del Trastorno del Espectro Autista a partir del comportamiento ocular |
| title_fullStr | Aprendizaje automático en el diagnóstico médico. Un caso de estudio en la identificación del Trastorno del Espectro Autista a partir del comportamiento ocular |
| title_full_unstemmed | Aprendizaje automático en el diagnóstico médico. Un caso de estudio en la identificación del Trastorno del Espectro Autista a partir del comportamiento ocular |
| title_short | Aprendizaje automático en el diagnóstico médico. Un caso de estudio en la identificación del Trastorno del Espectro Autista a partir del comportamiento ocular |
| title_sort | aprendizaje automatico en el diagnostico medico un caso de estudio en la identificacion del trastorno del espectro autista a partir del comportamiento ocular |
| topic | análisis de bio-señales análisis de datos inteligencia artificial aprendizaje automático |
| url | https://polipapers.upv.es/index.php/RIAI/article/view/20484 |
| work_keys_str_mv | AT robertochaveztrujillo aprendizajeautomaticoeneldiagnosticomedicouncasodeestudioenlaidentificaciondeltrastornodelespectroautistaapartirdelcomportamientoocular AT rosamaguilar aprendizajeautomaticoeneldiagnosticomedicouncasodeestudioenlaidentificaciondeltrastornodelespectroautistaapartirdelcomportamientoocular AT joseluisgonzalezmora aprendizajeautomaticoeneldiagnosticomedicouncasodeestudioenlaidentificaciondeltrastornodelespectroautistaapartirdelcomportamientoocular |