ANÁLISIS DE DATOS DE REDES SOCIALES PARA LA DETECCIÓN OPORTUNA DE PARKINSON MEDIANTE PNL Y APRENDIZAJE AUTOMÁTICO
Mijail Aldo Hancco Condori
Hancco Condori, Mijail Aldo
Andres Ladislao Cornejo Pinto
Cornejo Pinto, Andres Ladislao
Nick Nestor Hancco Condori
Hancco Condori, Nick Nestor
Juan Pedro La Torre Veliz
La Torre Veliz, Juan Pedro
Valerio Palacios Chambi Quecara
Chambi Quecara, Valerio Palacios
Brayan Darwin Huanca Huayta
Huanca Huayta, Brayan Darwin
30/12/2023
20-33
2
CIÊNCIA DA COMPUTAÇÃO AVANÇOS E TENDÊNCIAS EM PESQUISA - VOLUME 2
Objetivo: El objetivo de este estudio fue investigar la detección oportuna de la enfermedad de Parkinson (EP) a través del análisis de datos de redes sociales y el uso de técnicas de Procesamiento del Lenguaje Natural (PNL) en combinación con modelos de aprendizaje automático. Métodos: Se recopilaron publicaciones de Twitter, Facebook y Reddit relacionadas con la enfermedad de Parkinson y se procesaron utilizando técnicas de PNL. Se entrenaron tres modelos de aprendizaje automático, destacando el modelo de Aprendizaje Profundo como el más preciso. Resultados: En el conjunto de prueba, todos los modelos de aprendizaje automático, especialmente el modelo de aprendizaje profundo, mostraron un rendimiento destacado con una precisión máxima del 91,7% y una puntuación F1-score de 0,912. Conclusión: El estudio destaca la importancia de explorar el uso de datos clínicos para validar las predicciones y abordar las limitaciones en la representatividad de los datos. Además, se sugiere que investigaciones futuras aborden estas limitaciones y exploren el uso de datos clínicos para validar las predicciones, lo que podría mejorar la aplicabilidad de los resultados en entornos clínicos.
Parkinson, PNL, aprendizaje automatico, redes sociales, predicciones.
Este capítulo está licenciado com uma Licença Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional.
O conteúdo do capítulo e seus dados e sua forma, correção e confiabilidade, são de responsabilidade exclusiva do(s) autor(es). É permitido o download e compartilhamento desde que pela origem e no formato Acesso Livre (Open Access), com os créditos e citação atribuídos ao(s) respectivo(s) autor(es). Não é permitido: alteração de nenhuma forma, catalogação em plataformas de acesso restrito e utilização para fins comerciais. O(s) autor(es) mantêm os direitos autorais do texto.