Revista de métodos de diagnóstico médico
Acceso abierto

abstracto

Sinergia entre el aprendizaje automático y la cadena de bloques para la detección temprana de enfermedades: un estudio centrado en el diagnóstico de la COVID-19

Jayendra S. Jadhav

La detección temprana de enfermedades desempeña un papel fundamental en la atención médica moderna, ya que puede influir sustancialmente en el pronóstico del paciente, los costos de la atención médica y la salud pública en general. Los algoritmos de aprendizaje automático sirven como herramientas indispensables para descubrir patrones sutiles, tendencias y factores predictivos presentes en fuentes de datos médicos complejos, como registros de pacientes, imágenes de diagnóstico e información genómica. La integración del aprendizaje automático con la tecnología Blockchain presenta una oportunidad sustancial para avances transformadores en la atención médica. Este documento examina varias técnicas de aprendizaje automático como LR, RF, GB, SVC y GNB. Muestra su notable eficacia en el análisis de síntomas para la detección precisa de enfermedades, con COVID-19 como estudio de caso principal. La aplicación de la validación cruzada ofreció un análisis sofisticado de las capacidades de rendimiento, revelando que los modelos Random Forest y Gradient-Boosting son particularmente efectivos, logrando un equilibrio vital en sus métricas, lo cual es vital para la detección confiable de enfermedades en su inicio. Además, estos modelos, con su significativa exactitud (0,91) y precisión (0,92), afirmaron su estatus como una herramienta excepcional para la identificación temprana de enfermedades. En última instancia, la combinación de aprendizaje automático y tecnologías Blockchain refuerza significativamente la capacidad de los sistemas de salud para detectar y gestionar enfermedades de forma temprana, mejorando nuestra comprensión de las enfermedades y orientando las medidas y estrategias de salud pública.