Los sistemas complejos, machine learning y análisis de sentimientos y su aplicación en ciencias de la salud Sistemas Complejos en Ciencias de la Salud / COMPLEX SYSTEMS, MACHINE LEARNING AND SENTIMENT ANALYSIS AND ITS APPLICATION IN HEALTH SCIENCES

RESUMEN

Los sistemas complejos surgen buscando una mayor integración del conocimiento científico. El paradigma considera que los sistemas están compuestos por agentes dispares, en los cuales aparecen conductas inestables, siendo lo no lineal, cambiante y aleatorio un elemento característico, así como sus procesos son intra y transdisciplinarios, en contraste con cadenas deterministas, propias de visiones reduccionistas. El machine learning, surge como un sistema complejo definido como el proceso por el cual las computadoras buscando patrones comunes desde una información empírica y realizando algoritmos matemáticos, logran predicciones utilizando experiencias pasadas. Recientemente, mostró un gran desarrollo con el avance tecnológico de las computadoras. Análisis de sentimiento o minería de opinión, utiliza el machine learning para identificar y extraer información subjetiva de datos, haciendo uso del procesamiento de lenguaje natural, análisis de texto y lingüística computacional. En este trabajo realizamos una revisión sobre las características de los sistemas complejos en general, del machine learning y análisis de sentimientos en particular, debido a que el conocimiento y manejo de la información resulta de importante en neurociencias, dado que han surgido modelos preparados para obtener información oculta en registros médicos y redes sociales, capaces de predecir conductas vinculadas a eventos de salud como una insuficiencia cardiaca o un trastornos neuropsiquiátrico.

ABSTRACT

Complex systems emerged a few years ago seeking an integration of scientific knowledge. This paradigm considers that systems are composed of different agents, in which unstable, non-periodic behaviors appear, being the non-linear, changing, unexpected and random a characteristic element, as well as its processes are identified by being intra and transdisciplinary, in contrast to deterministic chains, typical of reductionist visions. Machine learning, emerges as a complex system defined as the process by which computers looking for common patterns from plenty empirical information through mathematical algorithms, make predictions using past experiences. In recent years, it showed an important development in storage capacity and the processing power of computers. Sentiment analysis or opinion mining, uses machine learning to identify and extract subjective information from the data, making use of natural language processing, text analysis and computational linguistics. In this paper we review the characteristics of complex systems in general and machine learning and sentiment analysis in particular, because the knowledge and management of this information is of great importance for health and the study of the human behavior, since models of machine learning could obtain hidden information in medical records, social networks and personal notes with capacity to predict health events such as heart failure or neuropsychiatric disorders.