TY - JOUR AU - Ivan Álvarez-Bonilla AU - Ariel Romero-Fernández AU - Gustavo Fernández-Villacrés AU - Luis Freire-Lescano PY - 2022/08/15 Y2 - 2024/03/28 TI - Machine learning para la extracción de información biomédica en un laboratorio clínico JF - CIENCIAMATRIA JA - CM VL - 8 IS - 4 SE - De Investigación DO - 10.35381/cm.v8i4.912 UR - https://cienciamatriarevista.org.ve/index.php/cm/article/view/912 AB - El objetivo es aplicar modelos de Machine learning para encontrar patrones e información biomédica escondida que permita mejorar la toma de decisiones y ayudar al diagnóstico clínico, desde un enfoque racionalista de la investigación. El proceso de Knwoledge Discovery in Databases (KDD) se utilizó para descubrir y extraer cocimiento, puesto que es iterativo e interactivo. Al ser un proceso iterativo en cada paso, significa que puede ser necesario volver a los pasos anteriores. Los algoritmos supervisados y no supervisados tienen la capacidad de ayudar en la toma decisiones, debido a que permite una mejor compresión de los datos y puede ayudar a descubrir nuevas interrogantes que puede llevar a otras investigaciones de vital importancia. Las reglas de asociación pueden ayudar a determinar factores que influye en la salud de los humanos y con ello se puede tomar medidas de prevención para mejorar el estado de salud. ER -