RT info:eu-repo/semantics/masterThesis
T1 Detección precoz de la diabetes y predicción de complicaciones mediante técnicas de Machine Learning
A1 Galán Maroto, Santiago
A2 Universidad de Valladolid. Escuela Técnica Superior de Ingenieros de Telecomunicación
K1 Diabetes
K1 Machine Learning
K1 Predicción
AB La diabetes mellitus es una enfermedad crónica que afecta la capacidad del cuerpopara regular la glucosa en sangre, generando complicaciones graves si no se detectaprecozmente. Existen dos tipos principales: el tipo 1 (DM1), de origen autoinmune y frecuenteen jóvenes, y el tipo 2 (DM2), relacionado con factores de riesgo como obesidad, sedentarismoy envejecimiento. La DM2 representa más del 90% de los casos, y a menudo permanece sindiagnóstico durante años.Ante este reto sanitario global, el presente TFM (Trabajo Fin de Máster) propone un enfoquebasado en técnicas de Machine Learning (ML) para mejorar la detección temprana y laclasificación automática del tipo de diabetes. Se utilizan algoritmos supervisados aplicados aun conjunto de datos poblacional procedente del BRFSS 2015, que incluye variablesdemográficas, clínicas y conductuales. Los objetivos incluyen: (1) clasificar a los individuos enno diabéticos, DM1 o DM2; (2) comparar el rendimiento de distintos modelos como RandomForest, XGBoost o redes neuronales; (3) identificar variables clave para la predicción, y (4)desarrollo de una plataforma web interactiva para la detección temprana de riesgo de diabetesmediante inteligencia artificial.El trabajo analiza múltiples métricas de evaluación, como la precisión, el F1-score y el AUCROC, y utiliza herramientas como SHAP y LIME para dotar de aplicabilidad a los modelos. Sedemuestra que ciertos factores como el índice de masa corporal, la salud mental, la actividadfísica y la dificultad para caminar tienen alto valor predictivo. Asimismo, se refuerza la utilidadclínica del enfoque multiclase frente al binario habitual.Esta investigación aporta evidencia de que la inteligencia artificial, aplicada de manera ética ytransparente, puede ser una aliada en el diagnóstico precoz de enfermedades crónicas como ladiabetes, contribuyendo a una medicina más preventiva, personalizada y sostenible.
YR 2025
FD 2025
LK https://uvadoc.uva.es/handle/10324/79641
UL https://uvadoc.uva.es/handle/10324/79641
LA spa
NO Departamento de Teoría de la Señal y Comunicaciones e Ingeniería Telemática
DS UVaDOC
RD 14-nov-2025