APRENDIZAJE AUTOMÁTICO PARA PREDECIR DIABETES: UNA NUEVA HERRAMIENTA DE PREVENCIÓN
Palabras clave:
Diabetes, Aprendizaje Automático, Hemoglobina Glicosilada, diagnóstico, Salud PúblicaResumen
La diabetes tipo 2 es un problema que se incrementa en la salud pública afectando a millones de personas. En México, representa una de las principales causas de muerte. El diagnóstico tradicional suele requerir múltiples pruebas, lo que puede incrementar costos y retrasar la detección. Este estudio exploró cómo el "aprendizaje automático" (un tipo de inteligencia artificial) identifica los factores de riesgo más importantes para simplificar el diagnóstico. Analizamos datos de pacientes internacionales y los validamos con datos de un hospital en Durango, México. Los resultados identificaron dos pistas clave: la hemoglobina glicosilada y la hipertensión. Los modelos de inteligencia artificial lograron una alta precisión (hasta 94% en datos internacionales y 72% en la población mexicana). Estos hallazgos abren la puerta a protocolos de diagnóstico más simples y accesibles. ¿Podría una "alarma" digital anticipar la diabetes antes de que aparezca? Este estudio explora esa posibilidad.
