Investigadora de UNEATLANTICO propone un sistema para la detección de talasemia basado en aprendizaje automático

06 Jul 2023
Investigadora de UNEATLANTICO propone un sistema para la detección de talasemia basado en aprendizaje automático
La Dra. Alina Eugenia Pascual Barrera, investigadora de UNEATLANTICO, realiza una propuesta de un sistema para la detección de talasemia.

La investigadora de la Universidad Europea del Atlántico (UNEATLANTICO), la Dra. Alina Eugenia Pascual Barrera, en conjunto con otros investigadores, propone un enfoque preciso para la detección de talasemia usando índices de glóbulos rojos de CBC aumentados por aprendizaje automático supervisado.

La talasemia es una de las principales causas de muerte en los países mediterráneos. Es un trastorno genético hereditario que se produce como consecuencia de las mutaciones en el ácido desoxirribonucleico (ADN) de las células, incitadas por una producción insuficiente de hemoglobina (Hb) en el cuerpo. La hemoglobina permite que los glóbulos rojos transporten oxígeno y la deficiencia de hemoglobina minimiza la supervivencia de los glóbulos rojos y esto limita el suministro de oxígeno en el cuerpo, lo cual pone en riesgo la vida. Es una enfermedad genética, por lo tanto, no es posible prevenirla. No obstante, analizar diversos indicadores en la sangre de los individuos permite detectar trastornos que causan talasemia. Actualmente, se necesitan recursos importantes para salvar la vida de los portadores de talasemia y detectarlo tempranamente puede aumentar la esperanza de vida de los portadores. Por ello, se han propuesto diversos enfoques para detectar portadores de talasemia, pero están limitados por el uso de conjuntos de datos desequilibrados, menor precisión de clasificación y menor generalización de los modelos. Considerando lo anterior, este estudio plantea un enfoque preciso para detectar la talasemia usando índices de glóbulos rojos de CBC aumentados por aprendizaje automático supervisado. Se han considerado dos técnicas de selección de características, que son el Análisis de Componentes Principales (PCA) y la Descomposición de Vector Singular (SVD).Así mismo, se han realizado diversos experimentos usando modelos distintos de aprendizaje automático y modelos de aprendizaje profundo de última generación. Los resultados han demostrado la superioridad del enfoque que se propone sobre los enfoques existentes con una puntuación de precisión de 0,96.  Si quieres conocer más sobre este fascinante estudio, clic aquí .

Para leer más investigaciones, consulta el repositorio de UNEATLANTICO.