Detección temprana del diagnostico de diabetes tipo II a partir de variables no clínicas utilizando técnicas de Machine Learning

La diabetes tipo II es una enfermedad crónica y grave que se caracteriza por niveles elevados de glucosa en la sangre debido a la incapacidad del cuerpo para producir o utilizar eficazmente la insulina. Si no se controla a largo plazo, esta deficiencia de insulina puede causar daño a varios órganos del cuerpo, lo que lleva a complicaciones discapacitantes y potencialmente fatales como enfermedades cardiovasculares, neuropatía, nefropatía y problemas oculares. Por lo tanto, el diagnóstico y tratamiento tempranos de la diabetes tipo II son de vital importancia para prevenir el desarrollo y las complicaciones de las enfermedades cardiovasculares y renales. Por esta razón, este proyecto de tesis formuló el desarrollo de un modelo predictivo para el diagnóstico temprano de esta enfermedad. Para el desarrollo de este modelo, se tomó en cuenta información no clínica del paciente, como: datos demográficos, datos sociodemográficos, actividad física y antecedentes familiares. Se utilizaron datos de 204,572 usuarios afiliados a una IPS a nivel nacional, donde el 20.4% están diagnosticados con diabetes tipo II. Se entrenaron modelos de clasificación supervisada como Support Vector Machine (SVM), Extreme Gradient Boosting (XGBoost) y Multilayer Perceptron (MLP), y se descubrió que XGBoost era el mejor modelo para predecir la diabetes tipo II con una métrica de rendimiento ROC-AUC del 77 %.

Type II diabetes is a chronic and serious disease characterized by elevated blood glucose levels due to the body's inability to effectively produce or use insulin. If not controlled long-term, this insulin deficiency can cause damage to various organs of the body, leading to disabling and potentially fatal complications such as cardiovascular diseases, neuropathy, nephropathy, and eye problems. Therefore, early diagnosis and treatment of type II diabetes are of vital importance to prevent the development and complications of cardiovascular and renal diseases. For this reason, this thesis project formulated the development of a predictive model for the early diagnosis of this disease. For the development of this model, non-clinical patient information was taken into account, such as: demographic data, sociodemographic data, physical activity, and family history. Data from 204,572 users affiliated with a nationwide IPS were used, where 20.4% are diagnosed with type II diabetes. Supervised classification models such as Support Vector Machine (SVM), Extreme Gradient Boosting (XGBoost), and Multilayer Perceptron (MLP) were trained, with XGBoost found to be the best model for predicting type II diabetes with a ROC-AUC performance metric of 77%.