Modelo predictivo basado en aprendizaje automático y fusión de datos para la detección temprana del alzheimer a partir de variables de comportamiento

Abstract

El Alzheimer también conocido como demencia, es una enfermedad incurable y terminal, la cual se presenta en personas a partir de los 65 años de edad o antes, el Alzheimer tiene consecuencias físicas, psicológicas, sociales y económicas, no solo para las personas que viven con la enfermedad, sino también para sus cuidadores, las familias y la sociedad en general. En este trabajo se propone, un modelo predictivo basado en técnicas de machine learning y fusión de datos para la identificación temprana de síntomas de Alzheimer mediante patrones de comportamiento y enfermedades no transmisibles como la hipertensión arterial, la diabetes, el exceso de peso o la obesidad, el tabaquismo, el consumo excesivo de alcohol, la inactividad física, el aislamiento social y la depresión. Esta propuesta se basa en el modelo de fusión de datos JDL (Joint Directors of Laboratories), el cual está compuesto por varios niveles interrelacionados como fusión de datos en bruto, extracción y fusión de características para predicciones, valoración de la situación, valoración de los riesgos, refinamiento y visualización de la información. Los resultados demostraron la funcionalidad del modelo propuesto para el manejo proactivo de la enfermedad, llevando a cabo una mejor identificación, predicción y recomendación de factores infl uyentes del comportamiento en personas con Alzheimer.

Abstract Alzheimer's, also known as dementia, is an incurable and terminal disease that occurs in people aged 65 years or younger. Alzheimer's has physical, psychological, social, and economic consequences, not only for the people living with the disease, but also for their caregivers, families, and society in general. This work proposes a predictive model based on machine learning and data fusion techniques for the early identifi cation of Alzheimer's symptoms through behavioral patterns and non-communicable diseases such as high blood pressure, diabetes, excess weight or obesity, smoking, excessive alcohol consumption, physical inactivity, social isolation, and depression. This proposal is based on the JDL (Joint Directors of Laboratories) data fusion model, which is composed of several interrelated levels such as raw data fusion, feature extraction and fusion for predictions, situation assessment, risk assessment, information refi nement, and visualization. The results demonstrated the functionality of the proposed model for proactive disease management, leading to improved identifi cation, prediction, and recommendation of factors infl uencing behavior in people with Alzheim