Resumen de Aplicación del aprendizaje automático con árboles de decisión en el diagnóstico médico

Reinel Arias Montoya, John Santa, Juan De Veloza Mora

• español

  Objetivo Presentar la forma como la minería de datos es aplicable en la medicina como una técnica de clasificación que se puede utilizar para diagnosticar la existencia o no de enfermedades, con base la exploración sistemática de la información histórica disponible de casos previamente diagnosticados y documentados.

  Metodología Se enmarcan algunos problemas específicos de diagnóstico médico dentro del proceso general de descubrimiento de conocimiento en bases de datos. Se aborda con una introducción a la minería de datos y a la explicación de una de sus técnicas: La de inducción por árbol de decisión como herramienta seleccionada y desarrollada en particular. Se ilustra con dos ejemplos del campo de la medicina para mostrar la aplicabilidad de esta clase de herramientas en el área del diagnóstico médico y se analizan los resultados obtenidos en los casos abordados.

  Resultados Se evidencia la efectividad de utilizar el método de aprendizaje por árbol de decisión, para la exploración información multivariada en el apoyo a la toma de decisiones, en el área del diagnóstico de enfermedades. Los árboles de decisión obtenidos son de muy fácil entendimiento y utilización, ya que limita la labor de priorización de las variables críticas que más influyen en la respuesta.

  Conclusiones Si se dispone de una buena base de datos para soportar este proceso, la metodología de árbol de decisión puede ser una excelente herramienta como apoyo al diagnóstico temprano de enfermedades. La utilización de arboles de decisión para el diagnóstico de enfermedades lleva a la obtención de modelos fácilmente interiorizables ya que automatiza la labor de priorización de variables críticas que más influyen en la respuesta, permitiendo tener excelentes niveles de predicción con árboles poco profundos.

• English

  Objective To present how data mining is applicable in medicine as a classification technique that can be used to diagnose the presence or absence of disease based on systematic exploration of historical information available from previously diagnosed and documented cases.

  Methodology The aim is to frame some specific problems of medical diagnosis within the overall process of knowledge discovery in databases. It deals with an introduction to data mining and an explanation of one of its techniques: The induction decision trees as a particularly selected and developed tool. Illustrated with two examples from the medical field to show the applicability of such tools in the area of medical diagnosis and the results obtained in both cases are discussed are analyzed Results The effectiveness of using the method of decision tree learning is evidenced, for exploration of multivariate information in supporting the decision making in the area of disease diagnosis. Decision trees obtained are very easy to understand and use, as it limits the work of prioritizing the critical variables that influence the response..

  Conclusions If you have a good database to support this process, the decision tree methodology can be an excellent tool to support the early diagnosis of diseases. The use of decision trees for disease diagnosis leads to obtaining simple models as easily as it automates the task of prioritizing critical variables that influence the response allowing us have excellent levels of prediction with small trees.