Redes neuronales de grafos heterogéneos: Aplicación en la medicina

RESUMEN : En este estudio, se investigó el uso de redes neuronales de grafos heterogéneas (HetGNN) para el análisis de datos médicos estructurados y la predicción de readmisión hospitalaria en pacientes con diabetes. Se propuso una metodología que implicaba la conversión de la base de datos tabular a una representación de grafo, y se comparó el rendimiento de los modelos de HetGNN con los modelos tradicionales de machine learning utilizados en la línea base. Se realizaron experimentos utilizando diferentes técnicas de resampling y se evaluaron métricas de evaluación, como el AUC y el recall. Además, se exploró la influencia de la complejidad del grafo en el rendimiento del modelo y se ajustaron parámetros clave, como el learning rate y el número de epochs. Los resultados obtenidos mostraron que los modelos de HetGNN, especialmente cuando se utilizaban técnicas de resampling como undersampling, demostraron un rendimiento prometedor en términos de precisión y capacidad de discriminación entre clases. Se observó un desempeño levemente inferior en la capacidad predictiva en comparación con la línea base, pero se destacó el potencial de las HetGNN para capturar las relaciones complejas entre las variables médicas en forma de grafo. El análisis de datos médicos estructurados a través de representaciones de grafos permitió una nueva perspectiva en la comprensión de los factores que influyen en la readmisión hospitalaria en pacientes con diabetes.

• Autores: Cano Pulgarin, Josue Santiago
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2023
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/37727
• Acceso en línea: https://hdl.handle.net/10495/37727
• Palabra clave: Inteligencia Artificial; Artificial Intelligence; Tecnología de Equipos y Suministros; Equipment and Supplies Technology; Redes Neurales de la Computación; Neural Networks, Computer; Análisis de datos; Data analysis; Inteligencia artificial en Medicina; GNN; http://aims.fao.org/aos/agrovoc/c_15962
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-nc-sa/2.5/co/