Las enfermedades cardiovasculares (ECV) son la principal causa de muerte según la Organización Mundial de la Salud (OMS, 2017) y la Organización para la Cooperación y el Desarrollo Económico (OCDE, 2015). Estos organismos señalan que la tasa de obesidad y diabetes va en aumento y que para el año 2030 serán 180 millones de personas las que correrán el riesgo de contraer ECV.
Por esta razón, la demanda de los diagnósticos cardíacos en los centros de salud han aumentando significativamente. Muchos de los hospitales se han visto en la necesidad de mejorar sus procesos de diagnóstico, ya que influyen directamente en el tiempo, costo y desarrollo eficaz de la atención al paciente.
La necesidad de mejorar el proceso de diagnóstico cardíaco, ha impulsado a estudiantes y docentes de la Universidad Autónoma del Perú, junto a docentes de otras universidades, a realizar una revisión sistemática de la literatura con respecto al tema. Los resultados de la revisión han mostrado tendencias relevantes en la precisión médica, detallando las técnicas de aprendizaje automático más apropiadas y de mayor efectividad en el diagnóstico cardiaco.
Este artículo ha sido aceptado en el 36th IBIMA Conference: a desarrollarse en el mes de noviembre del presente año en Granada, España.
Machine Learning for Diagnosis of Heart Disease: A Systematic Review
