Detección precoz de la diabetes y predicción de complicaciones mediante técnicas de Machine Learning

Abstract

La diabetes mellitus es una enfermedad crónica que afecta la capacidad del cuerpo para regular la glucosa en sangre, generando complicaciones graves si no se detecta precozmente. Existen dos tipos principales: el tipo 1 (DM1), de origen autoinmune y frecuente en jóvenes, y el tipo 2 (DM2), relacionado con factores de riesgo como obesidad, sedentarismo y envejecimiento. La DM2 representa más del 90% de los casos, y a menudo permanece sin diagnóstico durante años. Ante este reto sanitario global, el presente TFM (Trabajo Fin de Máster) propone un enfoque basado en técnicas de Machine Learning (ML) para mejorar la detección temprana y la clasificación automática del tipo de diabetes. Se utilizan algoritmos supervisados aplicados a un conjunto de datos poblacional procedente del BRFSS 2015, que incluye variables demográficas, clínicas y conductuales. Los objetivos incluyen: (1) clasificar a los individuos en no diabéticos, DM1 o DM2; (2) comparar el rendimiento de distintos modelos como Random Forest, 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 diabetes mediante 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. Se demuestra que ciertos factores como el índice de masa corporal, la salud mental, la actividad física y la dificultad para caminar tienen alto valor predictivo. Asimismo, se refuerza la utilidad clínica del enfoque multiclase frente al binario habitual. Esta investigación aporta evidencia de que la inteligencia artificial, aplicada de manera ética y transparente, puede ser una aliada en el diagnóstico precoz de enfermedades crónicas como la diabetes, contribuyendo a una medicina más preventiva, personalizada y sostenible.

Diabetes mellitus is a chronic disease that affects the body's ability to regulate blood glucose, leading to serious complications if not detected early. There are two main types: type 1 (T1D), of autoimmune origin and common in young people, and type 2 (T2D), related to risk factors such as obesity, sedentary lifestyle, and aging. T2D accounts for more than 90% of cases and often remains undiagnosed for years. In response to this global health challenge, this Master’s Thesis proposes an approach based on Machine Learning (ML) techniques to improve early detection and automatic classification of diabetes types. Supervised algorithms are applied to a population dataset from BRFSS 2015, which includes demographic, clinical, and behavioral variables. The objectives are: (1) to classify individuals as non-diabetic, T1D, or T2D; (2) to compare the performance of different models such as Random Forest, XGBoost, or neural networks; (3) to identify key predictive variables; and (4) to develop an interactive web platform for the early detection of diabetes risk using artificial intelligence. The work analyzes multiple evaluation metrics, such as accuracy, F1-score, and AUC-ROC, and uses tools like SHAP and LIME to provide explainability to the models. It is shown that certain factors, such as body mass index, mental health, physical activity, and difficulty walking, have high predictive value. Furthermore, the clinical utility of the multiclass approach is reinforced compared to the usual binary approach. This research provides evidence that artificial intelligence, when applied ethically and transparently, can be an ally in the early diagnosis of chronic diseases such as diabetes, contributing to more preventive, personalized, and sustainable medicine.