Una Nueva Metodología para la identificación de Patrones de Biomarcación aplicados al Estudio, Prevención y Tratamiento Temprano de Enfermedades Crónicas
Fuente:
Redalyc
Gespeichert in:
| 1. Verfasser: | |
|---|---|
| Format: | Artículo científico |
| Sprache: | es |
| Veröffentlicht: |
Escuela Politécnica Nacional
2015
|
| Schlagworte: | |
| Online-Zugang: | |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| _version_ | 1876481336973197312 |
|---|---|
| author | R. Herrera |
| author_facet | R. Herrera |
| contents | Una Nueva Metodología para la identificación de Patrones de Biomarcación aplicados al Estudio, Prevención y Tratamiento Temprano de Enfermedades Crónicas R. Herrera L. Herrera Ingeniería Biomarcador minería de datos filtro estadístico aprendizaje de máquina espectrometría de masas Hoy en día, la aplicación de métodos matemáticos y computacionales han permitido revolucionar las investigaciones relacionadas con la medicina, quimiometria, proteómica y genomica. Algoritmos matemáticos de minería de datos y aprendizaje de maquina están abriendo las pruebas a nuevas esperanzas en la lucha contra las enfermedades crónicas como el cáncer, la diabetes, el alzheimer, cirrosis, enfermedades cardiovasculares y enfermedades suprarrenales. El presente trabajo presenta un nuevo método de selección y validación de patrones de biomarcadores aplicados al tratamiento temprano de enfermedades crónicas. La metodología propuesta en este trabajo aborda el análisis de datos procedentes directamente de los instrumentos de medición, hasta la definición de los patrones de biomarcación. Ésta basa su funcionamiento en la combinación de t–testyMann–WhitneyUtest en un filtro estadístico, el cual define zonas de interés en los espectros de mediciones, luego estas zonas de interés son agrupadas y reducidas a las características cercanas a la media de cada una de estas, eliminando así la información redundante. La contribución de este trabajo radica en la estructura de este filtro estadístico, el cual posee una enorme capacidad de extracción de información a través de cálculos sencillos, en comparación a complejos algoritmos presentados en trabajos similares. Finalmente las características seleccionadas por este filtro son validadas usando clasificadores de Adaboost, TotalBoost y LPBoost probados con validación cruzada y pruebas con muestras externas. Los resultados obtenidos reflejan un rendimiento superior al 95%, además gran robustez en contra del sobreentrenamiento (Overfitting) e infraentrenamiento (Underfitting). 2015 artículo científico 1390-0129 https://www.redalyc.org/articulo.oa?id=688773651014 es http://www.redalyc.org/revista.oa?id=6887 Revista Politécnica application/pdf Escuela Politécnica Nacional Revista Politécnica (Ecuador) Num.2 Vol.35 |
| format | Artículo científico |
| id | redalyc_688773651014 |
| institution | Redalyc |
| language | es |
| publishDate | 2015 |
| publisher | Escuela Politécnica Nacional |
| spellingShingle | Una Nueva Metodología para la identificación de Patrones de Biomarcación aplicados al Estudio, Prevención y Tratamiento Temprano de Enfermedades Crónicas R. Herrera Ingeniería Biomarcador minería de datos filtro estadístico aprendizaje de máquina espectrometría de masas Una Nueva Metodología para la identificación de Patrones de Biomarcación aplicados al Estudio, Prevención y Tratamiento Temprano de Enfermedades Crónicas R. Herrera L. Herrera Ingeniería Biomarcador minería de datos filtro estadístico aprendizaje de máquina espectrometría de masas Hoy en día, la aplicación de métodos matemáticos y computacionales han permitido revolucionar las investigaciones relacionadas con la medicina, quimiometria, proteómica y genomica. Algoritmos matemáticos de minería de datos y aprendizaje de maquina están abriendo las pruebas a nuevas esperanzas en la lucha contra las enfermedades crónicas como el cáncer, la diabetes, el alzheimer, cirrosis, enfermedades cardiovasculares y enfermedades suprarrenales. El presente trabajo presenta un nuevo método de selección y validación de patrones de biomarcadores aplicados al tratamiento temprano de enfermedades crónicas. La metodología propuesta en este trabajo aborda el análisis de datos procedentes directamente de los instrumentos de medición, hasta la definición de los patrones de biomarcación. Ésta basa su funcionamiento en la combinación de t–testyMann–WhitneyUtest en un filtro estadístico, el cual define zonas de interés en los espectros de mediciones, luego estas zonas de interés son agrupadas y reducidas a las características cercanas a la media de cada una de estas, eliminando así la información redundante. La contribución de este trabajo radica en la estructura de este filtro estadístico, el cual posee una enorme capacidad de extracción de información a través de cálculos sencillos, en comparación a complejos algoritmos presentados en trabajos similares. Finalmente las características seleccionadas por este filtro son validadas usando clasificadores de Adaboost, TotalBoost y LPBoost probados con validación cruzada y pruebas con muestras externas. Los resultados obtenidos reflejan un rendimiento superior al 95%, además gran robustez en contra del sobreentrenamiento (Overfitting) e infraentrenamiento (Underfitting). 2015 artículo científico 1390-0129 https://www.redalyc.org/articulo.oa?id=688773651014 es http://www.redalyc.org/revista.oa?id=6887 Revista Politécnica application/pdf Escuela Politécnica Nacional Revista Politécnica (Ecuador) Num.2 Vol.35 |
| title | Una Nueva Metodología para la identificación de Patrones de Biomarcación aplicados al Estudio, Prevención y Tratamiento Temprano de Enfermedades Crónicas |
| topic | Ingeniería Biomarcador minería de datos filtro estadístico aprendizaje de máquina espectrometría de masas |
| url | https://www.redalyc.org/articulo.oa?id=688773651014 |