Comparativo de funciones kernel en la predicción de enfermedades cardiovasculares en Redes Neuronales Artificiales (ANN) y Máquinas de Soporte Vectorial (SVM)

Abstract

En la actualidad las enfermedades cardiovasculares, constituyen la principal causa de muerte a nivel mundial. Existen desafíos, como la inoportunidad en la atención en salud, falta de acceso a las tecnologías y diagnósticos oportunos, por ende, este proyecto se enfoca en el uso de herramientas innovadoras, dándole paso a la necesidad de utilizar inteligencia artificial en el ámbito de Machine Learning, para mejorar la predicción de las enfermedades cardiovasculares, es así que la investigación se centró en determinar la función kernel más eficaz en algoritmos de Redes Neuronales Artificiales (ANN) y Maquinas de Soporte Vectorial (SVM), haciendo un comparativos ecuánime, evaluando la exactitud y el tiempo de predicción de cada función kernel propuesta. Con base en los resultados, se integran esas nuevas funciones kernel optimas a la biblioteca scikit learn, logrando una validación en la configuración apropiada para la predicción del riesgo de padecer alguna ECV, este enfoque innovador permite reducir el tiempo de detección, minimizando así las posibilidades de complicaciones futuras de enfermedades que se pueden prevenir, y aportar de manera oportuna en el diagnóstico y factores de riesgo con alertas tempranas que pueden ser de gran utilidad para el personal de salud.