Detección de la Prediabetes Usando Modelos de Aprendizaje Automático

La prevalencia global de la diabetes está aumentando rápidamente. Los estudios apoyan la necesidad de detección e intervenciones para la prediabetes, que podrían resultar en complicaciones serias y diabetes. Este estudio tuvo como objetivo desarrollar un modelo de detección basado en inteligencia para la prediabetes. Se utilizaron datos de la Encuesta Nacional de Salud y Nutrición de Corea (KNHANES), excluyendo a sujetos con diabetes. Los datos de KNHANES 2010 (n = 4685) se utilizaron para el entrenamiento y la validación interna, mientras que los datos de KNHANES 2011 (n = 4566) se utilizaron para la validación externa. Desarrollamos dos modelos para detectar prediabetes utilizando una red neuronal artificial (ANN) y una máquina de soporte vectorial (SVM) y realizamos una evaluación sistemática de los modelos utilizando validación interna y externa. Comparamos el rendimiento de nuestros modelos con el de un modelo de puntuación de detección basado en análisis de regresión logística para la prediabetes que se había desarrollado anteriormente. El modelo SVM mostró áreas bajo la curva de 0.731 en los conjuntos de datos externos, que es superior a las del modelo ANN (0.729) y al modelo de puntuación de detección (0.712), respectivamente. Los métodos de preselección desarrollados en este estudio tuvieron un mejor rendimiento que el modelo de puntuación de detección que se había desarrollado anteriormente y podrían ser un método más efectivo para la detección de prediabetes.