Modelo híbrido neuroevolutivo para el diagnóstico de cálculos biliares

• Autor: Amat Calderon, Luis Miguel
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Nacional de San Agustín
• Repositorio: UNSA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsa.edu.pe:20.500.12773/21624
• Enlace del recurso: https://hdl.handle.net/20.500.12773/21624
• Nivel de acceso: acceso abierto
• Materia: Redes neuronales; Clasificación; Algoritmo genético; https://purl.org/pe-repo/ocde/ford#2.02.04

Las patologías de la vesícula biliar, particularmente la colelitiasis, representan un problema de salud pública de creciente prevalencia a nivel global, asociado frecuentemente a hábitos alimenticios ricos en colesterol. Su detección tardía puede generar complicaciones graves como colecistitis aguda, coledocolitiasis o pancreatitis, llegando en muchos casos a requerir una colecistectomía. Ante esta problemática, y con el propósito de ofrecer un diagnóstico temprano de la patología, este estudio propone un modelo híbrido basado en técnicas de inteligencia artificial. La metodología implementada integra una Red Neuronal Artificial (ANN) como clasificador, optimizada mediante un Algoritmo Genético (AG), el cual se encarga de seleccionar automáticamente el subconjunto de características más relevantes a partir de los datos de entrada. Como resultado, el modelo híbrido neuroevolutivo alcanzó una exactitud del 80.87% (±0.04), demostrando su capacidad para apoyar el diagnóstico con un alto nivel de confiabilidad. Se concluye que el modelo desarrollado constituye una herramienta eficaz para el diagnóstico de cálculos biliares, donde la optimización de características mediante AG no solo incrementa la precisión del clasificador, sino que también contribuye a la identificación temprana de la enfermedad, apoyando potencialmente la toma de decisiones clínicas de forma oportuna y de esta manera reducir el riesgo de complicaciones graves.