Modelo automático de codificación basado en CIE-10 de diagnósticos médicos usando modelos de machine learning

Flores Boada, Miguel Alfonso

DSpace Principal
→
Unidades Académicas
→
Facultad de Ciencias Naturales y Matemáticas
→
Tesis de Estadística
→
Ver ítem

dc.contributor.advisor	Ruiz Barzola, Omar Honorio, Director
dc.contributor.author	Flores Boada, Miguel Alfonso
dc.creator	ESPOL.FCNM
dc.date.accessioned	2025-03-20T17:30:43Z
dc.date.available	2025-03-20T17:30:43Z
dc.date.issued	2024
dc.identifier.citation	Flores Boada, M. A. (2024). Modelo automático de codificación basado en CIE-10 de diagnósticos médicos usando modelos de machine learning. [Proyecto Integrador]. ESPOL.FCNM .
dc.identifier.uri	http://www.dspace.espol.edu.ec/handle/123456789/65680
dc.description	La innovación tecnológica ha alcanzado a todos los ámbitos de la humanidad, la estadística y el análisis de datos son una parte fundamental de este avance. El campo de la medicina es un beneficiario importante del progreso tecnológico. Este proyecto tiene como objetivo clasificar automáticamente enfermedades con código CIE-10, a través de modelos estadísticos de aprendizaje y clasificación, contribuyendo de esta forma a la Red de Salud Pública Nacional. Existen diferentes formas en las que se codifica cada diagnóstico en el Ecuador. Por el momento se usa un algoritmo determinista que funciona a través de las reglas implementadas en el manual de la CIE-10. Los datos fueron obtenidos del registro estadístico de camas y egresos hospitalarios. Se utilizó Excel, Rstudio y Python para el procesamiento de datos y creación de los modelos estadísticos. La red neuronal implementada tuvo una precisión de entre el 80% y 86%, en menos de 15 minutos de codificación automática. Los modelos desarrollados permiten reducir el tiempo de codificación manual, empleando los recursos tecnológicos de mejor manera en una institución estatal. Palabras clave: automático, clasificación, diagnósticos, redes neuronales.
dc.format	application/pdf
dc.format.extent	40 página
dc.language.iso	spa
dc.publisher	ESPOL.FCNM
dc.rights	openAccess
dc.subject	Automático
dc.subject	Clasificación
dc.subject	Diagnósticos
dc.subject	Redes neuronales
dc.title	Modelo automático de codificación basado en CIE-10 de diagnósticos médicos usando modelos de machine learning
dc.type	Ingeniero en Estadística
dc.identifier.codigoespol	T-115003
dc.description.city	Guayaquil
dc.description.degree	Escuela Superior Politécnica del Litoral
dc.identifier.codigoproyectointegrador	MATE-208
dc.description.abstractenglish	Technological innovation has reached every aspect of humanity, with statistics and data analysis playing a fundamental role in this progress. The field of medicine is a significant beneficiary of technological advancements. This project aims to automatically classify diseases using the ICD-10 coding system through statistical learning and classification models, thus contributing to the National Public Health Network. In Ecuador, there are different methods for coding each diagnosis. Currently, a deterministic algorithm is used, based on the rules outlined in the ICD-10 manual. The data was obtained from the statistical registry of hospital beds and discharges. Excel, Rstudio and Python were utilized for data processing and model development. The implemented neural network achieved an accuracy of 80% to 86% in less than 15 minutes of automatic coding. The developed models significantly reduce the time required for manual coding, optimizing the use of technological resources in a state institution. Keywords: automatic, classification, diagnoses, neural networks.