Método de autoaprendizaje basado en machine learning aplicado a la dieta de un individuo con colitis ulcerativa. Caso de estudio: paciente Juan Pablo Aguirre Martínez
Cargando...
Archivos
Autores
Aguirre Martínez, Juan Pablo
Director
Tipo de contenido
Document language:
Español
Fecha
Título de la revista
ISSN de la revista
Título del volumen
Documentos PDF
Resumen
La Colitis Ulcerativa (CU), es una Enfermedad Inflamatoria Intestinal (EII), crónica que afecta a aproximadamente 1 de cada 1000 personas en el mundo. Esta condición autoinmune provoca inflamación y úlceras en el colon, desencadenando síntomas como diarrea, sangrado, dolor y fatiga, reduciendo significativamente la calidad de vida. La severidad puede oscilar entre leve a grave, e incluso puede ser potencialmente mortal. Si bien no existe una cura, la nutrición personalizada es clave en el manejo de los síntomas. Este trabajo propone un método basado en técnicas de autoaprendizaje y Machine Learning para ajustar la alimentación de individuos con CU, tomando como caso de estudio al paciente Juan Pablo Aguirre Martínez. La justificación de este radica en la falta de literatura previa sobre la aplicación de sistemas de Machine Learning a la dieta de personas con CU. La metodología incluye la construcción de un conjunto de datos, la revisión y evaluación de técnicas de Machine Learning. Precisamente, se consideró la capacidad del modelo para procesar datos temporales y aprender de manera continua, lo que llevó a la elección del modelo LSTM. Se espera que el método propuesto contribuya al desarrollo de una herramienta innovadora que mejore la calidad de vida de personas con CU y fomente la exploración de nuevas soluciones en el ámbito de la medicina. (Tomado de la fuente)
Abstract
Ulcerative Colitis (UC) is a chronic Inflammatory Bowel Disease (IBD) affecting approximately 1 in 1000 people worldwide. This autoimmune condition causes inflammation and ulcers in the colon, triggering symptoms such as diarrhea, bleeding, pain, and fatigue, significantly reducing the patient’s quality of life. The severity of the disease can range from mild to critical, and in extreme cases, it may even become life-threatening. Although there is no cure, personalized nutrition plays a key role in symptom management. This study proposes a method based on self-learning techniques and Machine Learning to adjust the diet of individuals with UC, using patient Juan Pablo Aguirre Martínez as a case study. The justification for this research lies in the lack of prior literature on the application of Machine Learning systems to the diet of individuals with UC. The methodology includes the construction of a dataset, as well as the review and evaluation of Machine Learning techniques. Specifically, the model's ability to process temporal data and continuously learn was considered, leading to the selection of the LSTM model. The proposed method aims to develop an innovative tool that enhances the quality of life for individuals with UC while fostering the exploration of novel solutions in medicine.
Descripción
Ilustraciones, gráficos, tablas