Publication:

Identificación de biomarcadores en el diagnóstico de Parkinson y su progresión utilizando Machine Learning

La Enfermedad de Parkinson EP afecta de diferentes formas la vida de las personas que la padecen, quienes inicialmente desconocen cómo será la progresión de la enfermedad dentro de los próximos años y cómo va a cambiar su vida. Es por esta razón que se decide construir un modelo de predicción de progresión de EP en un tiempo de 10 años, haciendo uso de la amplia base de datos de PPMI, una iniciativa creada en 2010 que cuenta con registros de 4000 pacientes aproximadamente y está enfocada en encontrar biomarcadores para detección y tratamiento de EP. Estos datos se exploran, extraen y analizan en detalle, una vez se entiende todo el espectro del problema y se construye un conjunto de datos con calidad y adecuado para el caso de estudio de este trabajo de grado, se implementan modelos de predicción mediante las técnicas de Machine Learning: Regresión Logística, Random Forest y GBM. Como resultado se obtiene un modelo robusto de clasificación con un AUC de 0.9, interpretable, confiable y con alta usabilidad para pacientes, cuidadores y personal calificado quienes podrán tomar decisiones más acertadas desde los datos. Puede ser aplicado en Colombia, en donde la información relacionada con la enfermedad es escasa, o en cualquier ámbito.