Antecedentes y objetivos: La diabetes mellitus es una enfermedad crónica de prevalencia mundial que requiere un enfoque analítico multifacético para mejorar la detección temprana y la posterior mitigación de las tasas de morbilidad y mortalidad.
Objetivo: Detectar y evaluar los factores de riesgo de la diabetes mellitus mediante modelos explicativos basados en inteligencia artificial.
Métodos: Se usó un conjunto de datos que incluía perfiles sociodemográficos y clínicos de personas con diabetes y de personas sin la enfermedad. Posteriormente, se implementó un conjunto diverso de técnicas de inteligencia artificial (redes neuronales artificiales, máquinas de apoyo vectorial, máquinas de potenciación del gradiente y mapas cognitivos difusos) con fines predictivos y de evaluación de los factores de riesgo de la diabetes mellitus.
Resultados: Los modelos de inteligencia artificial generados demostraron un excelente desempeño en la clasificación de la diabetes mellitus. En particular, el modelo de mapas cognitivos difusos mostró una exactitud del 95%, una sensibilidad del 96% y una especificidad del 94%. Además, este modelo destacó por su capacidad explicativa, al permitir analizar las variables involucradas en la predicción mediante simulaciones basadas en escenarios.
Conclusiones: Un análisis integrado de la diabetes mellitus, que utilice diversas metodologías, es fundamental para la detección oportuna de la enfermedad y la mejora de la toma de decisiones en ambientes clínicos.
