Resumen:

Una investigación que tiene como hipotesis el uso de diferentes modelos de aprendizaje automático supervisado y métodos de selección de características utilizados en la clínica tratada y datos antropométricos con un clasificador de diabetes previamente definido (casos y controles) es posible identificar características de importancia y construir métodos de detección no invasivos que tengan la misma área. bajo la curva como la glucosa o HbA1c.El objetivo de este estudio es producir una metodología que implemente métodos no invasivos para la detección temprana de diabetes mellitus tipo 2 o la prevención del riesgo basada en datos, excluyendo la glucosa como característica principal o separándola solo con fines comparativos.

Productos obtenidos:

• Artículo en proceso de revisión que implementa un modelo ensamble para la detección de diabetes en población mexicana, además de la futura publicación de este artículo, se están realizando una serie de experimentos con algoritmos genéticos como proceso de selección de características utilizando diferentes bases de datos públicas y probándolo con diferentes modelos de aprendizaje automático excluyendo tambien las carácteristicas de la glucosa y HbA1c.