Predicción de la cirrosis hepática mediante aprendizaje automático

La tasa de mortalidad en la India es alta debido a la cirrosis hepática como consecuencia de un mal estilo de vida, el almacenamiento de alimentos, el descontrol del azúcar en sangre, la obesidad, el tabaquismo, el consumo de alcohol y la inhalación de gases nocivos. La detección precoz puede reducir las tasas de mortalidad y también ayuda a los médicos a administrar el tratamiento adecuado a los pacientes. Los conjuntos de datos de cirrosis hepática se analizan mediante algoritmos de aprendizaje automático para diagnosticar con precisión la enfermedad. En este trabajo se proponen cuatro modelos de aprendizaje automático, como SVM, Random Forest, Decision Tree y Naive Bayes, para el análisis y la predicción de la cirrosis hepática. Este trabajo reúne 200 imágenes de dos clases distintas, es decir, hígado sano e hígado enfermo, utilizando una fuente de imágenes. Esta fuente de imágenes es MedPix1, un archivo gratuito y de libre acceso de fotografías digitales que pueden utilizar las facultades de medicina, los médicos y los académicos. La metodología obtiene buenos resultados con los distintos clasificadores, pero aún puede mejorarse. Se observa que los clasificadores Support vector machine y random forest dan una puntuación de precisión de clasificación del 100%, seguidos de los árboles de decisión, que son del 84,61. Los resultados obtenidos son relativamente buenos si se comparan.