Diseño de un modelo de predicción de enfermedades utilizando un enfoque de aprendizaje automático

Hoy en día, las personas enfrentan diversas enfermedades debido a las condiciones ambientales y sus hábitos de vida. Por lo tanto, la predicción de enfermedades en etapas tempranas se convierte en una tarea importante. Pero la predicción precisa basada en los síntomas se vuelve muy difícil para los doctores. La correcta predicción de enfermedades es la tarea más desafiante. Para superar este problema, la minería de datos juega un papel importante en la predicción de enfermedades. La ciencia médica tiene un gran crecimiento de datos por año. Debido al aumento de la cantidad de datos en el ámbito médico y de la salud, el análisis preciso de los datos médicos ha beneficiado el cuidado temprano del paciente. Con la ayuda de datos de enfermedades, la minería de datos encuentra información de patrones ocultos en la gran cantidad de datos médicos. Proponemos una predicción general de enfermedades basada en los síntomas del paciente. Para la predicción de enfermedades, usamos el algoritmo de aprendizaje automático K-Nearest Neighbor (KNN) y la red neuronal convolucional (CNN) para una predicción precisa de enfermedades. Para la predicción de enfermedades se requiere un conjunto de datos de síntomas. En esta predicción general de enfermedades, se consideran los hábitos de vida de la persona y la información de chequeo para la predicción precisa. La precisión de la predicción general de enfermedades utilizando CNN es del 84.5%, que es más que el algoritmo KNN. Y el tiempo y los requisitos de memoria también son mayores en KNN que en CNN. Después de la predicción general de enfermedades, este sistema puede proporcionar el riesgo asociado con enfermedades generales, que puede ser un riesgo bajo de enfermedad general o un riesgo más alto.