Predicción de la enfermedad de caries en niños y adolescentes utilizando modelos de aprendizaje automático
Méndez, Fabián
Serrano García, Javier 1964-, dir. (Universitat Autònoma de Barcelona. Departament de Telecomunicació i Enginyeria de Sistemes)
Universitat Autònoma de Barcelona. Facultat de Medicina
Universitat Autònoma de Barcelona. Departament d'Arquitectura de Computadors i Sistemes Operatius

Date:	2023
Description:	11 pag.
Abstract:	La caries dental es la enfermedad no infecciosa más prevalente en el mundo. Para la evaluación del riesgo de caries se utilizan diversos modelos. En los últimos años se han reportado avances en la utilización de algoritmos de machine learning (ML) en el diagnóstico y pronóstico de la caries dental. Este trabajo utilizó 8 modelos de ML, empleando los datos de la Encuesta Nacional de Salud de la Infancia de los Estados Unidos (2018, 2019 y 2020), para predecir la presencia de caries. Se propone un modelo con el mejor desempeño y se seleccionan características potencialmente disponibles en un entorno sanitario real. El modelo seleccionado es XGBoost, con un desempeño en el área bajo la curva ROC (AUCROC) de 0,74 en población de 1-17 años y 24 características, y un mayor rendimiento en el grupo de 1-5 años, obteniendo un AUCROC de 0,83 y 27 características, validado con los datos de la encuesta 2020. Las características de mayor relevancia tienen relación con la edad, nivel socioeconómico y acceso a atención dental. Los resultados se encuentran alineados con la evidencia disponible y dan cuenta del potencial que tienen los modelos de predicción basados en ML en la detección temprana de la enfermedad y como apoyo en la entrega de atención dental más personalizada.
Abstract:	Dental caries is the most prevalent non-communicable disease worldwide. Various standarized caries risk assessment models are actually used. In recent years, advances have been reported in the use of machine learning (ML) algorithms in the diagnosis and prognosis of dental caries. This study used 8 ML models, employing data from the National Survey of Children's Health of the United States (2018, 2019 and 2020), to predict the presence of caries. A model with the best performance is proposed, and potentially available features in a real healthcare setting are selected. The selected model is XGBoost, with an area under the receiver operating characteristic curve (AUCROC) performance of 0. 74 in 1-17 years group with 24 features, and it performs even better in the 1-5 years group, obtaining an AUCROC of 0. 83 with 27 features, validated with the 2020 survey data. The most relevant features are related to age, socioeconomic status, and access to dental care. These results are consistent with existing evidence and illustrate the potential of ML-based prediction models in the early detection of the disease and their contribution to providing more personalized dental care.
Rights:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, la comunicació pública de l'obra i la creació d'obres derivades, sempre i quan aquestes es distribueixin sota la mateixa llicència que regula l'obra original i es reconegui l'autoria.
Language:	Castellà
Studies:	Màster en Intel·ligència Artificial i Big Data en Salut
Study plan:	Màster en Intel·ligència Artificial i Big Data en Salut
Document:	Treball de fi de postgrau
Subject:	Machine learning ; Artificial intelligence ; Prediction ; Dental caries ; Adolescence ; Childhood ; National Survey of Children's Health

12 p, 755.4 KB

The record appears in these collections:
Research literature > Dissertations