Speakers
Description
Este estudio propone un nuevo enfoque para la detección temprana de diabetes mellitus tipo 2 mediante el análisis automatizado de señales fisiológicas. El método desarrollado se basa en la construcción de un espacio de características geométricas generado a partir de parámetros extraídos de las señales de pacientes, y la aplicación posterior de algoritmos de aprendizaje automático sobre dicho espacio. Los resultados experimentales demuestran una elevada eficacia diagnóstica, con valores de F1-score que alcanzan 1.000 en las mejores configuraciones, respaldados por métricas complementarias de sensibilidad (en el rango [0.960–1.000]), especificidad (igual o superior a 0.984) y precisión balanceada (igual o mayor a 0.983). Estos resultados confirman que la técnica propuesta ofrece un sistema novedoso a la vez que computacionalmente eficiente para la identificación de patrones asociados a la diabetes mellitus tipo 2.