Approximate entropy and densely connected neural network in the early diagnostic of patients with chagas disease

• Autor: Rodriguez Pilco, Maria Fernanda
• Formato: tesis de grado
• Fecha de Publicación: 2023
• Institución: Universidad Nacional de San Agustín
• Repositorio: UNSA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsa.edu.pe:20.500.12773/17243
• Enlace del recurso: https://hdl.handle.net/20.500.12773/17243
• Nivel de acceso: acceso abierto
• Materia: Enfermedad de Chagas; Entropía Aproximada; Red neuronal profunda; https://purl.org/pe-repo/ocde/ford#3.03.02

Se estima que en el mundo hay entre 6 y 8 millones de personas infectadas con la enfermedad de Chagas, principalmente en áreas endémicas de 21 países de América Latina, y en los últimos años se está convirtiendo lentamente en un problema de salud en más áreas urbanas y países. En ese sentido, desarrollar métodos de diagnóstico es primordial. Es por ello que este trabajo utilizó una red neuronal profunda para clasificar 292 sujetos (voluntarios y pacientes) compuestos de 83 voluntarios sanos (Grupo Control); 102 pacientes chagásicos asintomáticos (Grupo CH1) y 107 pacientes chagásicos seropositivos con cardiopatía incipiente (Grupo CH2). La Entropía Aproximada ApEn fue calculada a partir de los tacogramas de los perfiles circadianos de 24 horas cada 5 minutos (288 marcos) de cada sujeto, y parte de estos datos fueron usados para entrenar la red. El trabajo de clasificación realizado por la red neuronal profunda tuvo un 98% de exactitud y un 98% de precisión, validado con la curva ROC, cuyos valores de AUC fueron aproximadamente la unidad para cada grupo. Teniendo en cuenta el buen desempeño, podemos considerar esta red neuronal profunda y la Entropía Aproximada como herramientas útiles para tener un buen diagnóstico temprano sobre la enfermedad de Chagas y su compromiso cardiaco.