Resumen

Los notables avances de la biotecnología y las infraestructuras sanitarias públicas han dado lugar a una producción trascendental de datos sanitarios críticos y sensibles. Mediante la aplicación de técnicas inteligentes de análisis de datos, se identifican muchos patrones interesantes para la detección precoz e incipiente y la prevención de varias enfermedades mortales. La diabetes mellitus es una enfermedad extremadamente mortal porque contribuye a otras enfermedades letales, es decir, daños cardíacos, renales y nerviosos. En este artículo se propone un enfoque basado en el aprendizaje automático para la clasificación, la identificación en fase temprana y la predicción de la diabetes. Además, también se presenta un hipotético sistema de monitorización de la diabetes basado en IoT para que una persona sana y afectada pueda controlar su nivel de glucosa en sangre (BG). Para la clasificación de la diabetes, se han empleado tres clasificadores diferentes, es decir, bosque aleatorio (RF), perceptrón multicapa (MLP) y regresión logística (LR). Para el análisis predictivo, hemos empleado la memoria a largo plazo (LSTM), las medias móviles (MA) y la regresión lineal (LR). Para la evaluación experimental, se utiliza un conjunto de datos de referencia PIMA de diabetes india. Durante el análisis, se observa que MLP supera a otros clasificadores con un 86,08% de precisión y LSTM mejora la predicción significativa con un 87,26 de diabetes. Además, también se realiza un análisis comparativo del enfoque propuesto con las técnicas de vanguardia existentes, lo que demuestra la adaptabilidad del enfoque propuesto en muchas aplicaciones sanitarias públicas.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:enfoque, conjunto de datos de referencia PIMA Indian Diabetes, sistema hipotético de control de la diabetes, técnicas inteligentes de análisis de datos, muchas aplicaciones sanitarias públicas, muchos patrones interesantes, otras enfermedades letales, infraestructuras sanitarias públicas, datos sanitarios sensibles, varias enfermedades mortales.
• Keywords:approach, benchmark PIMA Indian Diabetes dataset, hypothetical diabetes monitoring system, intelligent data analysis techniques, many public healthcare applications, many interesting patterns, other lethal diseases, public healthcare infrastructures, sensitive healthcare data, several fatal diseases