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...
Guardado en:
| Autores principales: | , , , , , |
|---|---|
| Formato: | Artículo |
| Lenguaje: | español |
| Publicado: |
2025
|
| Materias: | |
| Acceso en línea: | Enlace permanente (DOI o Handle) Descargar el archivo |
| Etiquetas: |
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| _version_ | 1881700500232994816 |
|---|---|
| author | Daniel Lévano Flor Elizabeth Cerdán-León Cesar Rolando Salazar Giraldo Jadira Dina Vasquez Castro Marita Abigail Carbajal Bazán Aldana Camila Zea Mendoza |
| author_browse | Aldana Camila Zea Mendoza Cesar Rolando Salazar Giraldo Daniel Lévano Flor Elizabeth Cerdán-León Jadira Dina Vasquez Castro Marita Abigail Carbajal Bazán |
| author_facet | Daniel Lévano Flor Elizabeth Cerdán-León Cesar Rolando Salazar Giraldo Jadira Dina Vasquez Castro Marita Abigail Carbajal Bazán Aldana Camila Zea Mendoza |
| author_sort | Daniel Lévano |
| collection | Producción científica |
| description | 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. |
| format | Article |
| id | openalex:W7134238370 |
| institution | UPeU |
| language | Spanish |
| publishDate | 2025 |
| publishDateRange | 2025 |
| publishDateSort | 2025 |
| record_format | dspace |
| spelling | openalex:W7134238370Aplicación del algoritmo KNN para la predicción de enfermedad celíaca utilizando variables clínicas y serológicasDaniel LévanoFlor Elizabeth Cerdán-LeónCesar Rolando Salazar GiraldoJadira Dina Vasquez CastroMarita Abigail Carbajal BazánAldana Camila Zea Mendozaceliac diseasek-nearest neighborsserological markersclinical factorsSMOTEclass imbalanceweb platformmedical report generationclinical decision supportArtificial Intelligence in HealthcareCeliac Disease Research and ManagementData Mining and Machine Learning ApplicationsLa 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.Articlehttps://doi.org/10.48168/innosoft.s24.a311https://revistas.ulasalle.edu.pe/innosoft/article/download/311/405W7134238370esInnovación y software2708-09272708-09352025-09-30 |
| spellingShingle | 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 Daniel Lévano Flor Elizabeth Cerdán-León Cesar Rolando Salazar Giraldo Jadira Dina Vasquez Castro Marita Abigail Carbajal Bazán Aldana Camila Zea Mendoza Aplicación del algoritmo KNN para la predicción de enfermedad celíaca utilizando variables clínicas y serológicas |
| title | Aplicación del algoritmo KNN para la predicción de enfermedad celíaca utilizando variables clínicas y serológicas |
| title_full | Aplicación del algoritmo KNN para la predicción de enfermedad celíaca utilizando variables clínicas y serológicas |
| title_fullStr | Aplicación del algoritmo KNN para la predicción de enfermedad celíaca utilizando variables clínicas y serológicas |
| title_full_unstemmed | Aplicación del algoritmo KNN para la predicción de enfermedad celíaca utilizando variables clínicas y serológicas |
| title_short | Aplicación del algoritmo KNN para la predicción de enfermedad celíaca utilizando variables clínicas y serológicas |
| title_sort | aplicacion del algoritmo knn para la prediccion de enfermedad celiaca utilizando variables clinicas y serologicas |
| topic | 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 |
| topic_facet | 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 |
| url | https://doi.org/10.48168/innosoft.s24.a311 https://revistas.ulasalle.edu.pe/innosoft/article/download/311/405 |
| work_keys_str_mv | AT daniellevano aplicaciondelalgoritmoknnparalapredicciondeenfermedadceliacautilizandovariablesclinicasyserologicas AT florelizabethcerdanleon aplicaciondelalgoritmoknnparalapredicciondeenfermedadceliacautilizandovariablesclinicasyserologicas AT cesarrolandosalazargiraldo aplicaciondelalgoritmoknnparalapredicciondeenfermedadceliacautilizandovariablesclinicasyserologicas AT jadiradinavasquezcastro aplicaciondelalgoritmoknnparalapredicciondeenfermedadceliacautilizandovariablesclinicasyserologicas AT maritaabigailcarbajalbazan aplicaciondelalgoritmoknnparalapredicciondeenfermedadceliacautilizandovariablesclinicasyserologicas AT aldanacamilazeamendoza aplicaciondelalgoritmoknnparalapredicciondeenfermedadceliacautilizandovariablesclinicasyserologicas |