Predicción de incidencia de contagio y mortalidad asociado al COVID-19 usando técnicas de aprendizaje automático.

Ponente(s): Daniel Martínez Valdés, Gabriel Jesús Leal Cantú, Eugenio García Zertuche, Jesús Guillermo Falcón Cardona

El SARS-COV-2 es un virus altamente contagioso que causa la mortal enfermedad respiratoria COVID-19. De acuerdo con la Organización Mundial de la Salud (OMS), hasta junio del 2021, se han reportado alrededor de 174 millones de casos confirmados de COVID-19 a nivel mundial, de los cuales 3.7 millones resultaron en defunciones. El aprendizaje automático es un acercamiento innovador para realizar predicciones con base en un conjunto de datos por lo que es de gran utilidad en el área de la salud. En este trabajo se toma ventaja del aprendizaje automático para determinar la relación que existe entre las condiciones médicas previas de un paciente y la probabilidad de fallecimiento por desarrollar COVID-19. Para este fin, se emplearon datos proporcionados por la Secretaría de Salud y se optó por generar un modelo basado en bosques aleatorios, ocupando el gradiente descendente estocástico para aliviar el costo computacional del entrenamiento debido a la gran cantidad de información. Las condiciones clínicas que se estudiaron fueron EPOC (enfermedad Pulmonar Obstructiva Crónica), asma, afecciones inmunosupresoras, hipertensión, obesidad, enfermedad renal crónica, tabaquismo y enfermedades cardiovasculares. Los resultados experimentales muestran que el modelo propuesto logra encontrar, con una precisión del 70%, que las condiciones médicas previas influyen directamente en la tasa de mortalidad de la población. En especial, se determinó que la diabetes, hipertensión y EPOC tienen el mayor impacto en la probabilidad de fallecimiento.