Antecedentes y objetivos: La diabetes mellitus afecta la calidad de vida de millones de personas, especialmente a pacientes geriátricos, debido a la hiperglucemia persistente y a la producción insuficiente de insulina. La detección temprana mediante herramientas computacionales predictivas puede ayudar a abordar esta problemática. Por lo tanto, el objetivo de este estudio consistió en desarrollar una herramienta de detección de la diabetes mellitus basada en el entrenamiento multifase de modelos de inteligencia artificial basados en mapas cognitivos difusos para simular el proceso de la enfermedad.
Métodos: Usamos un conjunto de variables sociodemográficas, clínicas, de laboratorio y de tratamiento. Posteriormente, se construyeron modelos multifase basados en mapas cognitivos difusos para cada tipo de variable, a fin de simular el momento de aparición o manifestación de dichas variables en el individuo. Evaluamos la capacidad predictiva del modelo desarrollado con nuestra propuesta y la comparamos con el modelo base convencional.
Resultados: El modelo desarrollado con el enfoque multifase reveló un desempeño del 80,3% para detectar correctamente la diabetes mellitus en individuos geriátricos, superando al modelo base, que alcanzó un 77,27% de exactitud. Los modelos evaluados permitieron detectar la enfermedad y, posteriormente, evaluar el comportamiento de los factores de riesgo.
Conclusión: El sistema desarrollado detecta con un buen desempeño la diabetes mellitus en individuos geriátricos y permite evaluar el comportamiento de los factores de riesgo. Este tipo de sistemas es una gran ayuda para profesionales y autoridades de salud a la hora de mejorar la toma de decisiones.
