IDENTIFICACION DE PREDICTORES PARA EL DIAGNOSTICO DE VAGINOSIS BACTERIANA

Abstract

La vaginosis bacteriana es una enfermedad común que aqueja a mujeres en edad de reproducción. Puede causar graves problemas de salud, sobre todo durante el embarazo. En su gran mayoría las personas infectadas no presentan síntomas detectables a simple vista, lo que dificulta su diagnóstico y, por tanto, su tratamiento. En este trabajo de investigación se desarrollan diversos experimentos con métodos de aprendizaje automático, propios del área de la inteligencia artificial, para la identificación de los atributos más relevantes asociados al diagnóstico de la vaginosis bacteriana. Aunado a ello, se implementan diversas fases experimentales para hallar el modelo predictivo óptimo para el diagnóstico de la enfermedad. El propósito es recabar información para el desarrollo de técnicas mejoradas de detección de la vaginosis bacteriana con el mínimo de información posible. Entre los hallazgos, se presentan dos rankings generales fundamentados en múltiples rankings individuales. Las corridas de métodos selectores de atributos son la base para la creación de dichos rankings. En ellos se muestran los atributos identificados como relevantes y se contrastan con los predictores, es decir, las características que aportan más valor predictivo al diagnóstico de la VB mencionados en las lecturas especializadas. Se destaca que, mediante los métodos implementados en este proyecto se señalan como relevantes otros predictores que los métodos tradicionales del área médica no indica.