Servicios Personalizados
Revista
Articulo
Indicadores
- Citado por SciELO
- Accesos
Links relacionados
- Similares en SciELO
Compartir
RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação
versión impresa ISSN 1646-9895
Resumen
BOVEA, Johan Mardini - et al. Modelos de identificación de enfermedades cardiovasculares implementando técnicas de aprendizaje máquina: una revisión sistemática de la literatura. RISTI [online]. 2024, n.53, pp.87-105. Epub 30-Abr-2024. ISSN 1646-9895. https://doi.org/10.17013/risti.53.87-105.
El uso de técnicas de Aprendizaje Automático (AA) en el área de la salud, específicamente en la identificación de enfermedades cardiovasculares (IEC), ha tenido un impacto significativo debido a la capacidad para analizar grandes cantidades de datos y extraer información relevante que puede ser esencial para la toma de decisiones médicas. Sin embargo, antes de ponerlos a disposición de los usuarios finales (médicos), se debe evaluar su capacidad para detectar sintomatologías relacionadas con enfermedades cardíacas utilizando puntos de referencia de conjuntos de datos en escenarios experimentales. Por lo tanto, es complicado determinar qué características utilizar en el proceso de evaluación y qué técnicas de ML son más adecuadas para la predicción de IEC. Este artículo presenta una revisión sistemática de la literatura sobre el procesamiento de conjuntos de datos basados en pruebas clínicas de enfermedades cardiovasculares y técnicas de AA. En este sentido, se realizó un análisis de las diferentes variables extraídas de publicaciones de revistas indexadas en bases de datos especializadas como Scopus, Web of Science, Science Direct, Biomed y Pubmed.
Palabras clave : Enfermedades cardiovasculares; técnicas de inteligencia artificial, conjunto de datos; síndrome coronario agudo.