Resumen de Aprendizaje automático e inteligencia artificial aplicado a modelos de clasificación y regresión

Jesús Manuel Puentes Gutiérrez

• español

  Las técnicas de aprendizaje automático e inteligencia artificial son herramientas basadas en el análisis de datos para poder calcular la probabilidad de que sucedan determinados hechos o resultados, o para identificar la pertenencia a un determinado grupo basándose en sus propiedades. Mediante el uso del aprendizaje supervisado, en el cual se conocen previamente los resultados, se han realizado predicciones gracias a los datos obtenidos de los departamentos de administración y de atención primaria de un hospital, aunque el uso de estas mismas herramientas se puede extrapolar a otras áreas de conocimiento. Concretamente se ha estudiado los días que permanecen ingresados los pacientes debido a la causa que originó su ingreso a nivel hospitalario, donde se innova al no tratar de forma independiente los departamentos del hospital, y también se estudia las tasas de readmisión hospitalaria producidas por los pacientes al volver a ingresar en el hospital por motivos relacionados con la admisión previa, donde se mejoran las tasas predictivas gracias al uso de las técnicas más recientes y al empleo de redes neuronales combinadas con series temporales. Gracias al presente trabajo y a las técnicas utilizadas se conoce el comportamiento actual y futuro de los casos de uso sobre salud analizados, permitiendo incluso aprender con los datos analizados para adaptarse a los nuevos datos que puedan llegar en un futuro, potenciando así su uso.

• English

  Machine learning and artificial intelligence techniques are tools based on the analysis of data in order to calculate the probability of certain events or outcomes occurring, or to identify membership of a certain group based on its properties. Using supervised learning, in which the results are known in advance, predictions have been made thanks to data obtained from the administration and primary care departments of a hospital, although the use of these same tools can be extrapolated to other areas of knowledge. Specifically, we have studied the number of days that patients remain hospitalised due to the cause that led to their admission in the hospital, where we have innovated by not examining the hospital departments independently, and we have also studied the hospital readmission rates produced by patients on re-admission for reasons related to the previous admission, where predictive rates are improved thanks to the use of the most recent techniques and the use of neural networks combined with time series. Thanks to this work and the techniques used, the current and future behaviour of the health use cases analysed is known, even allowing learning with the data analysed to adapt to new data that may arrive in the future, thus enhancing their use.