Segmentación y estratificación de riesgo en pacientes diagnosticados con la enfermedad de Alzheimer a partir de algoritmos de Machine Learning

Abstract

RESUMEN : Este proyecto tiene como finalidad desarrollar un modelo de segmentación en función de niveles de riesgo en pacientes con alto riesgo de desarrollar la enfermedad de Alzheimer, específicamente los pacientes portadores de la mutación ‘E280A’, debido a la gran importancia que existe en la actualidad la detección temprana de la enfermedad ya que permite realizar ensayos clínicos e intervenciones eficaces cuando el daño neurológico es relativamente leve en el paciente. Para el cumplimiento del estudio se hace uso de una de las metodologías más utilizadas en la minería de datos conocida como ‘CRISP-DM’. A partir de esta, se realiza el respectivo procesamiento de las bases de datos y la implementación de los modelos que permiten segmentar a la población de estudio. Finalmente, se implementa una métrica de desempeño conocida como ‘Coeficiente de Silhouette’ para evaluar la calidad del agrupamiento obtenido mediante los algoritmos de clustering. Los resultados obtenidos por los dos modelos de segmentación diseñados dividieron a la población de estudio en dos segmentos. El segundo modelo, el cual obtuvo el mejor puntaje en la métrica de desempeño, logró diferenciar a los dos segmentos en función de niveles de riesgo. Sin embargo, en los dos segmentos definidos existen pacientes que son portadores de la mutación ‘E280A’.

ABSTRACT : This project aims to develop a segmentation model based on risk levels in patients at high risk of developing Alzheimer's disease, specifically patients carrying the 'E280A' mutation, due to the great importance of early detection of the disease because it allows clinical trials and effective interventions when the neurological damage is relatively mild in the patient. To carry out the study, use is made of one of the most widely used methodologies in data mining known as 'CRISP-DM'. From this, the respective processing of the databases and the implementation of the models that allow segmenting the study population is performed. Finally, a performance metric known as 'Silhouette Coefficient' is implemented to evaluate the quality of the grouping obtained by the clustering algorithms. The results obtained by the two segmentation models designed divided the study population into two segments. The second model, which obtained the best score in the performance metric, managed to differentiate the two segments based on risk levels. However, in the two defined segments there are patients who are carriers of the 'E280A' mutation.