Desarrollo y explotación de información de una base de datos de patologías presentes en la cavidad bucal con énfasis en caries y gingivitis a través de herramientas orientadas a minería de datos para la Facultad Piloto de Odontología de la Universidad de Guayaquil.

Fecha
2020-03
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad de Guayaquil. Facultad de Ciencias Matemáticas y Físicas. Carrera de Ingeniería en Sistemas Computacionales.
Resumen
A partir de una base de datos provista por la FPO, adecuada mediante filtrados de datos, para poder aplicar técnicas de MACHINE LEARNING, precisamente redes bayesianas, se logró conocer el nivel de incidencia de algunas enfermedades que presentan los pacientes con respecto a dos de las patologías bucales de mayor relevancia: caries y gingivitis. Estudios realizados previamente con redes bayesianas demostraron que los beneficios que ofrecen estos modelos son variados, desde una reducción del gasto médico, hasta la predicción de diferentes tipos de cáncer, dadas las características más notorias en cada caso. La base obtenida fue procesada a través de la herramienta digital de minería de datos WEKA. La aplicación es de tipo software libre y dispone de una serie de herramientas que facilitan el manejo de los datos presentes en la base de datos, como discretización de variables, conversión de tipos de datos, y un manejo de varios algoritmos encargados de ejecutar tareas de MACHINE LEARNING o aprendizaje automático. El algoritmo empleado genera un gráfico que facilita la interpretación de la información. Los resultados observados por el modelo evidencian la situación actual de forma general de los pacientes permitiendo predecir con un grado moderado de certeza (68%) el comportamiento de las variables y generar un modelo predictivo, de acuerdo con los datos obtenidos y su correlación. Al estudiar el modelo generado se evidenció, la relación de las variables en las que hace énfasis el presente estudio, con respecto a las variables que el modelo señalo como principales implicadas en el desarrollo de estas patologías.
From a database provided by the FPO, fitted through data filters, to be able to apply MACHINE LEARNING techniques, specifically Bayesian networks, was possible to know the level of incidence of some diseases that patients present with respect to the two oral pathologies of greater relevance: cavities and gingivitis. Previous studies with Bayesian networks showed that the benefits offered by these models are wide, from a reduction in medical expenses, to the prediction of different types of cancer, given the most notable characteristics in each case. The base obtained was processed through the digital data mining tool WEKA. The application is a open source that has a series of tools which facilitate the handling of the data present in the database, such as discretization of variables, conversion of data types, and handling of several algorithms in charge of operations tasks of machine learning. The algorithm used generates a graph that makes easier the interpretation of the information. The results observed by the model show the current situation of the general form of the affected patients, predicted with a moderate degree of certainty (68%) the behavior of the variables and generate a predictive model, according to the data obtained and their correlation. When studying the generated model, was evident the relationship of the variables emphasized in the present study, with respect to the variables that the signal model as the main ones involved in the development of these pathologies.
Descripción
PDF
Palabras clave
Machine Learning, Weka, Redes bayesianas, Predicción, Patologías bucales, Machine Learning, Weka, Bayesian networks, Prediction, Oral pathologies
Citación