Desarrollo de un modelo de deep learning para diagnóstico de hipertensión arterial en adultos mayores, caso Armenia, Antioquia
Loading...
Date
Journal Title
Journal ISSN
Volume Title
Publisher
Escuela Superior de Administración Pública (ESAP) Colombia
Abstract
Description
Objetivo: Desarrollar un modelo de aprendizaje profundo (Deep Learning) para la detección temprana del riesgo de hipertensión arterial en adultos mayores del municipio de Armenia, Antioquia, integrando fuentes de datos institucionales para apoyar la toma de decisiones en salud pública. Metodología: Se aplicó la metodología CRISP-DM para guiar las fases del proyecto: comprensión del problema, análisis y preparación de datos, modelado, evaluación y aplicación. Se integraron datos socioeconómicos del SISBEN con registros clínicos de los RIPS, consolidando un conjunto de entrenamiento con 2.233 registros y 104 variables predictoras. Se construyó una red neuronal profunda (DNN) utilizando TensorFlow/Keras, con técnicas de regularización y balanceo de clases para mejorar la precisión. Resultados: El modelo alcanzó un AUC de 0.85, demostrando alta capacidad discriminativa. Tras la optimización del umbral de decisión (0.44), se logró una sensibilidad del 91.6% y una mejora en la precisión general. Se aplicó el modelo sobre 5.731 individuos del SISBEN, clasificándolos en riesgo alto (13.7%), medio (25.1%) y bajo (61.2%). Conclusión: El modelo desarrollado constituye una herramienta efectiva y replicable para identificar poblaciones en riesgo de hipertensión, optimizar recursos y fortalecer estrategias de prevención, marcando un avance significativo hacia una atención más predictiva y personalizada en salud pública.