Clasificación de pacientes a partir de factores de riesgo cardiovascular mediante mapas auto-organizados de Kohonen.
DOI:
https://doi.org/10.33304/revinv.v02n2-2013006Palabras clave:
Mapa auto-organizado de Kohonen, Factores de riesgo cardiovascular, Modelo de predicción de riesgo cardiovascularResumen
Se presenta una alternativa para generar una estructura de clasificación de pacientes a partir de sus factores de riesgo cardiovascular, mediante la implementación de mapas autoorganizados de Kohonen. Se desarrolló una aplicación en Matlab® que automatiza la búsqueda de los parámetros para el diseño y entrenamiento de un mapa de Kohonen, a partir de un conjunto de datos de pacientes, y que posteriormente los clasifica a partir de la similaridad de sus factores de riesgo. Se clasificaron 190 pacientes colombianos y se comparó la clasificación resultante respecto a la propuesta por el estudio de Framingham en los Estados Unidos, de predicción de riesgo cardiovascular, encontrando características similares entre los métodos de clasificación; no obstante, se observó que es posible identificar grupos de pacientes en la muestra clasificada utilizando mapas auto-organizados, que no se identifican mediante la clasificación del estudio de Framingham.Descargas
Citas
Conroy, R. M., Pyorala, K., & Fitzgerald, A. P. (2003). Estimation of ten-year risk of fatal cardiovascular disease in Europe: the SCORE project; SCORE project group. European Heart Journal, 24(11):987-1003.
García, R. G., Zarruk, J. G., Guzmán, J. C., Barrera, C., Pinzón, A., Trillos, E., LópezJaramillo, P., Morillo, C.A, & Tomaz, C. (2012). Sex differences in cardiac autonomic function of depressed Young adults during orthostatic stress. Biological Psycholology, 90, 179-185.
Guzmán, J. C., García, R. G., Dillemburg, R., Silva, F.A., López-Jaramillo, P. & Morillo, C. A. (2006). Central serotoninergic response to orthostatic challenge in patients with neurocardiogenic syncope. Europace. 8, 306-311.
Guzmán, J. C., García, R. G., Silva, F. A, Jaimes, H., López-Jaramillo, P. & Morillo, C.A. (2007). Efectos de la terapia de reemplazo hormonal sobre la función autonómica en mujeres postmenopáusicas. Revista Colombiana de Cardiología, 14, 9-17.
Jackson, R., Kerr. A., & Wells, S. (2010). Is estimating lifetime cardiovascular risk useful? British Medicine Journal, 341,73-79.
Kohonen, T. (1981). Automatic formation of topological maps of patterns in a self-organizing system. En E. Oja & O. Simula (eds.), Proceedings of 2SCIA. Simposio llevado a cabo en el Scandinavian conference on image analysis, Helsinki, Finland.
Kohonen, T. (1982). Self-organizing formation of topologically correct feature maps. Biological Cybernetics, 43(1):59–69.
Kohonen, T. (2001). Self Organizing Maps. New York: Springer.
Kohonen, T. (2001). Self-Organizing Map. Springer, Berlin, Heidelberg. Third, Extended Edition. 1995.
National Heart, Lung, and Blood Institute. The Framingham Heart Study. 1923–2011.
Oja, M., Kaski, S. & Kohonen, T.(2003). Bibliography of Self-Organizing Map (SOM) Papers: 1998-2001 Addendum, Neural Computing Surveys, 3, 1-156.
Paynter, N. P., Chasman, D. I., Pare, G., Buring, J. E., Cook, N. R., Miletich, J. P. & Ridker P. M. (2010) Association between a literature-based genetic risk score and cardiovascular events in women. Journal of American Medicine Association, 303, 631-637.
Paynter, N. P., Chasman, D. I., Pare, G., Buring, J.E., Cook, N.R., Miletich, J.P., Ridker, P.M. (2010). Association between a literaturebased genetic risk score and cardiovascular events in women. JAMA 2010; 303:631-7.
Pöllä, M., Honkela, T. & Kohonen, T. (2009), Bibliography of Self-Organizing Map (SOM) Papers: 2002-2005 Addendum. TKK Reports in Information and Computer Science, Helsinki University of Technology, Report TKK-ICSR23.
Pölzlbauer,G., Rauber, A. & Dittenbach, M. (2005). Graph projection techniques for selforganizing maps. En Proceedings of XIIIth European Symposium on Artificial Neural Networks, Bruges (Belgium).
Sloan, R. P., Shapiro, P. A., Bagiella, E., Myers, M. M., & Gorman, J. M. (1999). Cardiac autonomic control buffers blood pressure variability responses to challenge: a psychophysiological model of coronary artery disease. Psychosomatic Medicine, 61:58–68.
Ultsch,K., Siemon,H.& Kohonen, T. (1990). Self-organizing feature maps for exploratory data analysis. International Neural Network Conference.
Vesanto, J., Himberg, J., Alhoniemi, E. & Parhankas, J. (2000). Organizing Map in Matlab: the SOM Toolbox. Laboratory of Computer and Information Science Helsinki University of Technology. Finland.
