Aplicación del algoritmo KNN para la predicción de enfermedad celíaca utilizando variables clínicas y serológicas

La enfermedad celíaca corresponde a una condición autoinmune con una prevalencia cercana al 1% a nivel global, frecuentemente subdiagnosticada debido a la escasa sospecha clínica, lo que incrementa su morbilidad y mortalidad. En este contexto, la aplicacion del algoritmo K-Nearest Neighbors (KNN) su...

Descripción completa

Guardado en:
Autores principales: Daniel Lévano, Flor Elizabeth Cerdán-León, Cesar Rolando Salazar Giraldo, Jadira Dina Vasquez Castro, Marita Abigail Carbajal Bazán, Aldana Camila Zea Mendoza
Formato: Artículo
Lenguaje:español
Publicado: 2025
Materias:
celiac disease
k-nearest neighbors
serological markers
clinical factors
SMOTE
class imbalance
web platform
medical report generation
clinical decision support
Artificial Intelligence in Healthcare
Celiac Disease Research and Management
Data Mining and Machine Learning Applications
Acceso en línea:Enlace permanente (DOI o Handle)
Descargar el archivo
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
Sumario:La enfermedad celíaca corresponde a una condición autoinmune con una prevalencia cercana al 1% a nivel global, frecuentemente subdiagnosticada debido a la escasa sospecha clínica, lo que incrementa su morbilidad y mortalidad. En este contexto, la aplicacion del algoritmo K-Nearest Neighbors (KNN) surgió como un modelo predictivo para contribuir a la detección de esta enfermedad mediante variables clínicas y serológicas. Se diseñó un modelo supervisado con el algoritmo KNN utilizando variables clínicas y serológicas extraídas de una base de datos académica de 2,206 registros. Para balancear las clases, se aplicó la técnica de sobremuestreo sintético (SMOTE). Los datos fueron segmentados para entrenamiento y validación, optimizando el parámetro de clasificación mediante validación cruzada. Además, se desarrolló una plataforma web diseñada para admitir el ingreso, análisis y emisión que permite la carga, procesamiento y generación de reportes médicos con acceso por roles y estimación de probabilidad diagnóstica. Este modelo alcanzó una exactitud del 94%, una precisión del 97 % y una sensibilidad del 91 %. El algoritmo demostró ser útil para la predicción de la enfermedad celíaca a partir de datos clínicos y serológicos, y su implementación en la web permite su integración práctica en entornos clínicos.

Ejemplares similares