Investigadores de la UDLA, Yachay Tech y universidades aliadas demostraron que el algoritmo de bosque aleatorio supera a otros métodos de inteligencia artificial en la detección de insuficiencia cardíaca. Esta innovación representa un gran avance para la medicina preventiva.
En un estudio publicado por la revista Life (Q1), el equipo liderado por la docente investigadora Patricia Acosta Vargas evaluó cinco modelos de clasificación de machine learning para detectar casos de insuficiencia cardíaca. Tras comparar modelos como regresión logística, árbol de decisión, k-NN, MLP y Random Forest, este último obtuvo los mejores resultados: una especificidad de 0.93, AUC de 0.97 y un MCC de 0.83.
El equipo utilizó una base de datos consolidada de más de 900 registros clínicos, aplicó técnicas avanzadas de preprocesamiento (incluida la eliminación de outliers) y afinó los hiperparámetros para mejorar el rendimiento de los modelos.
“Este estudio evidencia el potencial de la inteligencia artificial para apoyar diagnósticos médicos precisos y rápidos”, destaca Acosta Vargas.
Además de su precisión técnica, el modelo tiene potencial para integrarse a sistemas de apoyo clínico en tiempo real, optimizando recursos hospitalarios y mejorando la atención a pacientes con enfermedades cardíacas.
Revisa el artículo completo en: https://www.mdpi.com/2075-1729/15/3/496
