Uso de un método de clasificación de Machine Learning para la elaboración de un modelo como apoyo en el Diagnóstico de Enfermedades Cardíacas

Using a Machine Learning classification method to develop a model to support the Diagnosis of Heart Disease

Resumen

El exceso de información en medicina, junto con la publicación constante de estudios con resultados contradictorios, ha hecho que el diagnóstico médico, especialmente en enfermedades cardíacas, sea cada vez más complejo. En este trabajo se aplicó un enfoque cuantitativo mediante técnicas de aprendizaje automático, utilizando el algoritmo de bosques aleatorios implementado en el lenguaje Julia. A partir del “Heart Disease dataset”, se construyó y validó un modelo de clasificación capaz de predecir si una persona tiene probabilidad de padecer una enfermedad cardíaca. El modelo fue entrenado y evaluado mediante validación cruzada y un conjunto de prueba, alcanzando una exactitud del 72%. Estos resultados muestran el potencial del aprendizaje automático como apoyo en la toma de decisiones clínicas.

The excess of information in medicine, together with the constant publication of studies with contradictory results, has made medical diagnosis—especially for heart diseases—increasingly complex. This work applies a quantitative approach using machine learning techniques, specifically the random forest algorithm implemented in the Julia programming language. Based on the “Heart Disease dataset,” a classification model was built and validated to predict whether a person is likely to suffer from heart disease. The model was trained and evaluated through cross-validation and a test dataset, achieving an accuracy of 72%. These results demonstrate the potential of machine learning as a support tool in clinical decision-making.