Diseño de un modelo de aprendizaje automático para la predicción de casos de  infección por SARS-CoV-2 a partir de parámetros clínicos de laboratorio

Prada Robles, Diana Carolina

Diseño de un modelo de aprendizaje automático para la predicción de casos de infección por SARS-CoV-2 a partir de parámetros clínicos de laboratorio

dc.contributor.advisor	González Veloza, José John Fredy
dc.contributor.author	Prada Robles, Diana Carolina
dc.creator.email	dprada9@libertadores.edu.co	spa
dc.date.accessioned	2022-07-23T13:57:26Z
dc.date.available	2022-07-23T13:57:26Z
dc.date.created	2022
dc.description	El diagnóstico de COVID-19 es crucial para la identificación, aislamiento y tratamiento de sujetos contagiosos, esto con el fin de mitigar el aumento de casos, y en clasificar y dar prioridad, según sea la complejidad en la manifestación de la enfermedad. Aunque existen pruebas de diagnóstico altamente sensibles, no todas las instituciones de salud cuentan con la infraestructura o la tecnología para llevarlos a cabo, en consecuencia, se debe tercerizar el proceso, prolongando en sí el diagnóstico. Por lo anterior, el presente estudio se enfoca en diseñar un modelo de aprendizaje automático que permita pronosticar casos por infección de SARS-CoV-2 a partir de parámetros clínicos de laboratorio, en el servicio de hospitalización de una institución de salud del oriente colombiano. Metodología: Con los datos de algunos biomarcadores del laboratorio clínico, se evaluaron aquellos que tuvieron una asociación significativa con el contagio de SARS-CoV-2, elaborando diferentes algoritmos de aprendizaje automático, utilizando librerías de lenguaje PYTHON. Resultado: Se obtuvo como mejor modelo el clasificador Random Forest con un AUCROC de 0,79, una sensibilidad del 78% y una exactitud del 72%. Conclusión: El uso de algunos biomarcadores sanguíneos ligados con algoritmos de aprendizaje automático, pueden ser herramientas útiles para el pronóstico de enfermedades, incluyendo COVID-19.	spa
dc.description.abstract	The diagnosis of COVID-19 is crucial for the identification, isolation and treatment of contagious individuals, in order to mitigate the increase in cases as much as possible, and classify and prioritize them, according to the complexity of the disease manifestation. Although there are highly sensitive diagnostic tests, not all health institutions have the infrastructure or technology to perform them, consequently, the process must be outsourced, lengthening the diagnosis itself. Therefore, the present study focuses on design a machine learning model that allows predict cases of SARS-CoV-2 infection from clinical laboratory parameters, in the hospitalization service of a health institution in eastern of Colombia. Methodology: With the data of some biomarkers from the clinical laboratory, those that had a significant association with the spread of SARS-CoV-2 were evaluated, developing different machine learning algorithms, using PYTHON language libraries. Results: The Random Forest classifier was obtained as the best model with an AUCROC of 0.79, a sensitivity of 78% and an accuracy of 72%. Conclusion: The use of some blood biomarkers linked with machine learning algorithms can be useful tools for the prognosis of many diseases, including COVID-19.	spa
dc.format	PDF	spa
dc.identifier.uri	http://hdl.handle.net/11371/4732
dc.language.iso	spa	spa
dc.publisher	Fundación Universitaria Los Libertadores. Sede Bogotá.	spa
dc.rights.acceso	Abierto (Texto Completo)	spa
dc.rights.accessrights	info:eu-repo/semantics/openAccess	spa
dc.subject.lemb	COVID-19	spa
dc.subject.lemb	Enfermedades	spa
dc.subject.lemb	Etiología	spa
dc.subject.proposal	COVID-19	spa
dc.subject.proposal	Aprendizaje automático	spa
dc.subject.proposal	Modelo de predicción	spa
dc.subject.proposal	Parámetros de laboratorio	spa
dc.subject.subjectenglish	COVID-19	spa
dc.subject.subjectenglish	Machine learning	spa
dc.subject.subjectenglish	Prediction model	spa
dc.subject.subjectenglish	Laboratory parameters	spa
dc.title	Diseño de un modelo de aprendizaje automático para la predicción de casos de infección por SARS-CoV-2 a partir de parámetros clínicos de laboratorio	spa
dc.type	info:eu-repo/semantics/bachelorThesis	spa