10 DE ENERO DEL 2023
<aside> 💡 La insuficiencia cardíaca es una condición médica en la que el corazón no puede bombear suficiente sangre al cuerpo. Puede ser causada por diversas enfermedades que dañan el corazón, como la hipertensión arterial, enfermedades coronarias, diabetes, entre otras. Los síntomas incluyen falta de aire, cansancio, hinchazón en los pies y tobillos, y dificultad para respirar acostado. La insuficiencia cardíaca es una enfermedad crónica que requiere tratamiento médico continuo, y puede ser manejada mediante medicamentos, cambios en el estilo de vida y, en algunos casos, mediante cirugía. La predicción de la insuficiencia cardíaca es un área de investigación activa en la medicina, donde se utilizan técnicas de aprendizaje automático para identificar factores de riesgo y predecir la probabilidad de desarrollar la enfermedad en pacientes.
</aside>
Fuente: Insuficiencia-cardiaca---infografia
Proporcionaremos una forma objetiva de evaluar el desempeño de un modelo de predicción de insuficiencia cardíaca en comparación con otros modelos existentes. Se puede utilizar para determinar si un modelo nuevo es mejor que los modelos existentes y si se justifica su implementación en un entorno clínico.
Para realizar un benchmark de modelos de predicción de insuficiencia cardíaca, es necesario definir una serie de métricas de evaluación que permitan comparar el desempeño de los modelos. Estas métricas pueden incluir la precisión, el recall, la F1-score, el área bajo la curva ROC, matriz de confusión entre otras.
01: Revisión bibliográfica de artículos científicos (WOS y SCOPUS) y casos similares en predicción cardiaca.
02: Selección de tecnologías para predicción cardiaca.
03: Selección y búsqueda de bases de datos médicas con fuentes confiables.
04: Despliegue y entrenamiento en aws amazon sagemaker.
05: Evaluación del error en modelos de predicción cardíaca.
06: Retroalimentación de expertos y mejoras en predicción cardíaca.
Imagen: basada en la metodología del proyecto.
En este proyecto se utilizará AWS SageMaker para desarrollar modelos de aprendizaje automático que puedan predecir la insuficiencia cardíaca. La metodología incluye una revisión bibliográfica y selección de tecnologías, evaluación del error del modelo y retroalimentación de expertos para mejorar los modelos. Además, se utiliza un benchmark para comparar el desempeño de los modelos con otros modelos previamente publicados en la literatura científica. AWS SageMaker ofrece una plataforma escalable y de alto rendimiento para el desarrollo y despliegue de modelos de aprendizaje automático en la nube.