Comparación de técnicas de aprendizaje automático para la clasificación de pacientes con trastornos mentales y de comportamiento debido al consumo de psicotrópicos en la ciudad de Barranquilla

Resumen

Antecedentes: El trastorno por consumo de sustancia psicoactivas contribuye a una carga sustancial mundial de enfermedad, a pesar de los continuos esfuerzos de las entidades gubernamentales para mitigar esta problemática. Este problema es uno de los campos de investigación actuales más atractivo para desarrollar modelos de aprendizaje automático. Objetivo: Este proyecto de investigación tuvo como objetivo comparar cuatro modelos de aprendizaje automático para la clasificación de pacientes con trastornos mentales y de comportamiento debido al consumo de psicotrópicos ubicados en la clase de intoxicación agudo o síndrome de dependencia en la ciudad de Barranquilla. Método: El método utilizado consistió en entrenar, validar y comparar cuatro técnicas de aprendizaje automático con bases de datos de pacientes de Barranquilla. Resultados: Los resultados revelaron que bosque aleatorio y regresión logística arrojaron la mejor precisión (72%). No obstante, red neuronal artificial es el mejor modelo para predecir la proporción de casos verdaderamente positivos entre los casos positivos detectados. Por otra parte, el mejor clasificador que predice la proporción de casos positivos que están bien detectadas es bosque aleatorio, asimismo el mejor clasificador que proporciona la más alta de casos negativo que están bien detectados es máquina de soporte vectorial. Finalmente, cabe mencionar que red neuronal artificial y bosque aleatorio son los clasificadores que mejor área bajo la curva registran con 80% cada uno. Conclusiones: En términos generales, red neuronal artificial y bosque aleatorio mostraron indicios de ser un buen clasificador para discriminar entre pacientes que potencialmente estaría en un caso de intoxicación aguda o síndrome de dependencia, obteniendo valores promedios de desempeño entre 80 y 90%.