Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/10609/91027
Título : | Métodos de aprendizaje automático para la predicción de la distribución anormal de grasa, masa magra y/o masa ósea en individuos infectados por VIH |
Autoría: | Ramirez-Garrastacho, Manuel ![]() |
Tutor: | Perez-Alvarez, Nuria ![]() |
Otros: | Ventura, Carles ![]() |
Resumen : | El objetivo principal de este trabajo es el desarrollo de nuevos modelos de predicción de enfermedades relacionadas con la distribución de masa grasa, masa magra y tejido óseo en pacientes de VIH utilizando métodos de aprendizaje automático. Debido a la mejora en las terapias contra el VIH, los pacientes que padecen esta enfermedad tienen en muchos casos una esperanza de vida similar a la de una persona sana. Esto ha provocado un creciente interés en el tratamiento de patologías secundarias derivadas de este síndrome o su tratamiento. Algunas de las patologías secundarias más frecuentes en pacientes de VIH son las relacionadas con la distribución de ciertos tejidos, como la lipodistrofia, la sarcopenia o la osteoporosis y osteopenia. Para la realización del trabajo se ha comparado la eficiencia en la capacidad de predicción de estas enfermedades de un modelo tradicional de regresión logística frente a distintos modelos de aprendizaje automático. Los algoritmos utilizados son algunos de los más más usados en biomedicina: redes neuronales artificiales, support vector machines y random forest. Todos estos modelos se han implementado usando el lenguaje estadístico R. Los resultados obtenidos muestran que los modelos generados a partir estos modernos algoritmos son en la mayoría de los casos tan eficaces como el modelo clásico. En ciertas ocasiones es incluso posible conseguir resultados mejores utilizando modelos de aprendizaje automático. Esto abre interesantes posibilidades a la hora de mejorar la predicción de la aparición de estas patologías secundarias. |
Palabras clave : | composición corporal aprendizaje automático VIH |
Tipo de documento: | info:eu-repo/semantics/masterThesis |
Fecha de publicación : | 2-ene-2019 |
Licencia de publicación: | http://creativecommons.org/licenses/by-nc-nd/3.0/es/ ![]() |
Aparece en las colecciones: | Trabajos finales de carrera, trabajos de investigación, etc. |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
TFM_ManuelRamírez.docx | 2,58 MB | Microsoft Word XML | Visualizar/Abrir | |
manurgarrasTFM0119memoria.pdf | Memoria del TFM | 2,43 MB | Adobe PDF | ![]() Visualizar/Abrir |
Comparte:
![]( /image/googleScholar.png)
![](/image/microsoftAcademic.png)
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons