Aplicación del aprendizaje automático con árboles dedecisión en el diagnóstico médico / Application of machine learning with decision trees in medical diagnosis

RESUMEN

Objetivo Presentar la forma como la minería de datos es aplicable en la medicina como una técnica de clasificación que se puede utilizar para diagnosticar la existencia o no de enfermedades, con base la exploración sistemática de la información histórica disponible de casos previamente diagnosticados y documentados.Metodología Se enmarcan algunos problemas específicos de diagnóstico médico dentro del proceso general de descubrimiento de conocimiento en bases de datos. Se aborda con una introducción a la minería de datos y a la explicación de una de sus técnicas La de inducción por árbol de decisión como herramienta seleccionada y desarrollada en particular. Se ilustra con dos ejemplos del campo de la medicina para mostrar la aplicabilidad de esta clase de herramientas en el área del diagnóstico médico y se analizan los resultados obtenidos en los casos abordados.ResultadosSe evidencia la efectividad de utilizar el método de aprendizaje por árbol de decisión, para la exploración información multivariada en el apoyo a la toma de decisiones, en el área del diagnóstico de enfermedades. Los árboles de decisión obtenidos son de muy fácil entendimiento y utilización, ya que limita la labor de priorización de las variables críticas que más influyen en la respuesta.ConclusionesSi se dispone de una buena base de datos para soportar este proceso, la metodología de árbol de decisión puede ser una excelente herramienta como apoyo al diagnóstico temprano de enfermedades. La utilización de arboles de decisión para el diagnóstico de enfermedades lleva a la obtención de modelos fácilmente interiorizables ya que automatiza la labor de priorización de variables críticas que más influyen en la respuesta, permitiendo tener excelentes niveles de predicción con árboles poco profundos.