Predicción de la condición de hospitalización para pacientes Covid-19 utilizando modelos de clasificación

Alberto Bautista Loaiza; Francisco Jacob Ávila Camacho

doi:10.2992/rict.v2i3.33

Autores/as

Alberto Bautista Loaiza Tecnológico de Estudios Superiores de Ecatepec / TecNM https://orcid.org/0000-0002-5658-5330
Francisco Jacob Ávila Camacho Tecnológico Nacional de México/TES Ecatepec https://orcid.org/0000-0002-0086-5827

DOI:

https://doi.org/10.2992/rict.v2i3.33

Palabras clave:

Covid-19, Inteligencia artificial, predicción, programación Python, Algoritmo

Resumen

La pandemia de COVID-19 ha saturado los servicios de salud. Se propone utilizar modelos de inteligencia artificial para predecir si un paciente con COVID-19 requerirá hospitalización, basándose en sus síntomas. Se utilizaron datos de casos en México para entrenar modelos con regresión logística y redes neuronales. Ambos modelos obtuvieron una precisión cercana al 80%. Se concluye que estos modelos podrían apoyar los diagnósticos médicos para determinar la necesidad de hospitalización de pacientes con COVID-19 en México. La metodología consistió en la recolección de datos, preprocesamiento, entrenamiento con algoritmos de aprendizaje automático y evaluación del desempeño. Los modelos entrenados podrían incorporarse en aplicaciones web para facilitar su uso.

Biografía del autor/a

Alberto Bautista Loaiza, Tecnológico de Estudios Superiores de Ecatepec / TecNM

Estudiante de la Mestría en Ingeniería en Sistemas Computacionales en el Tecnológico de Estudios Superiores de Ecatepec / TecNM

Francisco Jacob Ávila Camacho, Tecnológico Nacional de México/TES Ecatepec

Francisco Jacob Ávila-Camacho. Es Ingeniero en electrónica y sistemas digitales egresado de la Universidad Autónoma Metropolitana Unidad Azcapotzalco, tiene el grado de maestría en ingeniería en sistemas computacionales por parte del Tecnológico de Estudios Superiores de Ecatepec, cuenta con una maestría en ciencias en administración de negocios de la Escuela Superior de Comercio y Administración del IPN y el doctorado en sistemas computacionales por la Universidad Da Vinci, actualmente se desempeña como profesor investigador en el Tecnológico Nacional de México / TES Ecatepec, ha impartido ponencias en congresos nacionales e internacionales y publicado en revistas indexadas y arbitradas, así como en memorias de congresos, actualmente es responsable y líder de varios proyectos de investigación y desarrollo tecnológico con y sin financiamiento, Coordinador del Centro de Cooperación Academia Industria del TESE. Sus principales líneas de investigación se centran en inteligencia artificial, reconocimiento de patrones, minería de datos y sistemas embebidos, modelos y algoritmos de navegación autónoma, visión por computadora, entre otras.

Citas

APD. (04 de 04 de 2019). APD. Obtenido de https://www.apd.es/algoritmos-del-machine-learning/

Ardakani, A. A. (30 de 03 de 2020). National library of medicine. Obtenido de https://www.sciencedirect.com/science/article/pii/S0010482520301645

AWS. (01 de 01 de 2023). AWS. Obtenido de https://aws.amazon.com/es/what-is/logistic-regression/#:~:text=La%20regresi%C3%B3n%20log%C3%ADstica%20es%20una,factores%20bas%C3%A1ndose%20en%20el%20otro.

Céspedes, F. A. (28 de 12 de 2021). Facultad de Ingeniería de Sistemas e Informática - UNMSM. Obtenido de https://revistasinvestigacion.unmsm.edu.pe/index.php/sistem/article/download/21862/17543/75813

Chávez Martínez, R. (2019). Universidad de LIma. Obtenido de https://repositorio.ulima.edu.pe/handle/20.500.12724/8401

Cid, A. S. (29 de 10 de 2021). EL PAÍS. Obtenido de https://elpais.com/mexico/2021-10-29/mexico-concluye-su-plan-de-vacunacion-un-83-de-la-poblacion-mayor-de-edad-tiene-al-menos-la-primera-dosis.html

Darlington, K. (22 de 05 de 2020). BBVA Open Mind. Obtenido de https://www.bbvaopenmind.com/tecnologia/inteligencia-artificial/esta-ayudando-la-inteligencia-artificial-contener-la-pandemia-covid-19/

Díaz, J. E. (29 de 07 de 2020). Universidad de Cundinamarca. Obtenido de https://revistes.ub.edu/index.php/RBD/article/view/31643

Epidemiología, D. G. (25 de 01 de 2022). Secretaría de Salud. Obtenido de https://www.gob.mx/salud/documentos/datos-abiertos-152127

Escudero, X. (24 de 03 de 2021). Archivo de cardeologia de México. Obtenido de https://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1405-99402020000500007

Etecé, E. (05 de 08 de 2021). Editorial Etecé. Obtenido de https://concepto.de/diagnostico/

González Segoviano, L. J. (30 de 9 de 2023). Regresión logística vs árboles de decisión en el riesgo crediticio. (T. e. RICT Revista de Investigación Científica, Ed.) RICT Revista de Investigación Científica, Tecnológica e Innovación, 1(2), 32-37. Obtenido de https://revista.ccaitese.com/index.php/ridt/article/view/21

Gutiérrez, V. F. (2022). Ecografía en el manejo del paciente crítico con infección por SARS-CoV-2 (COVID-19): una revisión narrativa. Obtenido de https://www.sciencedirect.com/science/article/pii/S0210569120301558?via%3Dihub

Martínez-Ortega, A. G. (22 de 12 de 2019). Pro Sciences. Obtenido de https://d1wqtxts1xzle7.cloudfront.net/87614928/287162093-libre.pdf?1655404808=&response-content-disposition=inline%3B+filename%3DTecnologias_en_la_inteligencia_artificia.pdf&Expires=1695936710&Signature=HNx9yigjuH3nIQY0ZJx8G5kahLtl7svfwgOCVc72rlUBspJf0K9h

Novás, J. D. (2006). Revista Cubana de Medicina General Integral. Obtenido de http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0864-21252006000100007#:~:text=Cuando%20unimos%20los%20s%C3%ADntomas%20y,o%20de%20otra%2C%20cu%C3%A1les%20son

Shibly, K. H. (2020). sciencedirect. Obtenido de https://www.sciencedirect.com/science/article/pii/S2352914820305554

Vaishya, R. J. (4 de 08 de 2020). Facultad de Ingeniería de Sistemas e Informática - UNMSM. Obtenido de https://www.sciencedirect.com/science/article/pii/S1871402120300771