Modelo predictivo para el diagnóstico de la migraña basado en redes neuronales artificiales

Abstract

Este trabajo tiene como objetivo plantear un modelo predictivo basado en redes neuronales para diagnosticar la migraña, generando una herramienta valiosa para mejorar el diagnóstico de la migraña tanto para pacientes como para médicos que usen el modelo como herramienta, ya que el diagnóstico de la migraña, debido a la variabilidad de los síntomas, resulta un poco más complicado por la falta de pruebas específicas para detectar la enfermedad, ya que muchas de ellas son estudios que en ocasiones son descartadas luego de no observar resultados. Sin embargo, gracias al avance de las tecnologías de aprendizaje automático, el uso de redes neuronales en el diagnóstico de la migraña puede contribuir a una atención médica más personalizada y eficiente para las personas que padecen esta enfermedad. Teniendo en cuenta que el aprendizaje automático se usa para la clasificación y reconocimiento de patrones, en el caso de esta investigación se desarrolló bajo la metodología CRISP-DM, un marco de trabajo guía para desarrollar y evaluar un modelo de aprendizaje automático para el diagnóstico de la migraña, logrando construir una red de tipo MLP (MultiLayer Perceptron) con los conceptos de backpropagation, llegando a construir 3 modelos con diferentes características, además de refactorizar, evaluar y corregir el conocido sobreajuste, dando como resultado un prototipo para que un paciente o un médico especialista en neurología puedan usarlo. Una vez implementado en la práctica, el modelo podrá ayudar a los médicos a diagnosticar la enfermedad de manera más precisa y eficiente. La evaluación del rendimiento del modelo permitió seleccionar el mejor modelo para el diagnóstico de la migraña con un nivel de exactitud del 97%, además de realizar una evaluación con diagnóstico real por parte de un especialista y comparar los resultados obtenidos con el modelo con datos clínicos recolectados, usando una prueba de rachas de Wald-Wolfowitz, dando como resultado la aceptación de la presente investigación.