Data Science y Machine Learning para el análisis de información médica (Proyecto de Grado)

Resumen del Proyecto de Grado:

Este trabajo aborda una de las problemáticas que presenta el sector salud en Colombia, debido al deficiente análisis de datos utilizando técnicas de “Data Science” y algoritmos de aprendizaje computacional. Para alcanzar lo anterior, primero, se debe adquirir un conocimiento amplio del modelo de aseguramiento de salud que se aplica desde las Entidades Promotoras de Salud (EPS) hacia los afiliados; de igual manera comprender el flujo de los recursos desde el gobierno central y otras fuentes de financiamiento, hasta las Instituciones Prestadoras de Salud (IPS, o sea, Hospitales y Clínicas); y finalizando con la forma de trasmisión de los datos entre los diferentes actores del sistema de salud (ips, eps, ministerio de salud y  entes de control). Los datos se obtendrán de una EPS y se realizará un análisis estadístico utilizando métodos exploratorios de información.

La fase de preparación de los datos plantea el desarrollo de procesos de selección de datos, limpieza y transformaciones que permitan obtener datos de calidad para la minería. Para la minería de datos (Data Mining) y algoritmos computacionales (Machine Learning) se utilizará crisp-dm, como metodología completa y detallada del proceso de minería (shafique y qaiser, 2014). Destacando que esta metodología crisp-dm plantea el desarrollo consecutivo de 6 etapas llamadas comprensión del negocio, comprensión de los datos, preparación de los datos, modelado, evaluación y despliegue.

Con el prototipo de análisis de información generado se brindarán herramientas al sistema de salud para la adecuada toma de decisiones basada el correcto análisis de la información para la Enfermedad Renal Crónica (erc), lo que permitiría la distribución de los recursos financieros destinados a la promoción y prevención (pyp) de la insuficiencia renal crónica, con el fin de incidir, a futuro, en la disminución del número de pacientes con esta enfermedad catalogada de alto costo.