Stroke Prediction using Clinical and Social Features in Machine Learning

Imagina una biblioteca masiva donde cada libro representa la vida de una persona. El objetivo de este artículo es encontrar una manera de detectar rápidamente los pocos libros que están a punto de "deshacerse" (representando un derrame cerebral) antes de que realmente se rompan, para así poder arreglarlos a tiempo.

Aquí está la historia de cómo el autor intentó construir un sistema para hacer exactamente eso, utilizando tres tipos diferentes de "bibliotecarios" (modelos de aprendizaje automático).

El Problema: Un Evento Raro

Cada año en los EE. UU., 800,000 personas sufren un derrame cerebral. Eso es una persona cada 40 segundos. El autor señala que los derrames cerebrales son la segunda causa principal de muerte y discapacidad en todo el mundo.

El desafío es que los derrames cerebrales son raros en comparación con las personas que no los tienen. En el conjunto de datos utilizado (unas 5,000 personas), solo aproximadamente 5 o 6 de cada 100 personas habían tenido realmente un derrame cerebral. Es como intentar encontrar una canica roja en un cubo de 20 canicas blancas.

El autor quería construir un programa informático que observe las "estadísticas" de una persona —cosas como su edad, presión arterial, IMC (índice de masa corporal), tipo de trabajo y si está casado/a— para adivinar si está en riesgo.

La Regla de Oro: En este proyecto específico, el objetivo más importante era evitar los Falsos Negativos.

• Falso Negativo: La computadora dice: "Usted está a salvo", pero la persona realmente está en riesgo. Esto es peligroso porque la persona podría seguir manteniendo un estilo de vida poco saludable cuando debería haberlo cambiado.
• Falso Positivo: La computadora dice: "Usted está en riesgo", pero la persona en realidad está a salvo. Esto es molesto y un desperdicio, pero el autor decidió que es mejor prevenir que lamentar.

Los Tres "Bibliotecarios" (Los Modelos)

El autor probó tres formas diferentes para que la computadora realice estas predicciones:

1. La Calculadora Simple (Regresión Logística)

Piensa en este modelo como una calculadora muy directa. Toma todos los números (edad, peso, etc.), les asigna un "peso" o importancia específica a cada uno, los suma y arroja un porcentaje de probabilidad de un derrame cerebral.

• Cómo funcionó: Fue buena detectando a las personas que realmente tuvieron derrames (alta "sensibilidad" o recall). Detectó aproximadamente el 76% de los casos reales.
• El problema: Era un poco paranoica. Gritaba "¡Lobo!" con demasiada frecuencia. De cada 100 personas que marcaba como "en riesgo", solo unas 16 estaban realmente en riesgo. Las otras 84 eran solo falsas alarmas.
• Lo que aprendió: Confirmó que la edad es el mayor predictor de un derrame cerebral. Curiosamente, de forma sorprendente, restó importancia al IMC (peso corporal), lo que contradice lo que dicen los médicos habitualmente.

2. El Pensador Profundo (Red Neuronal Densa)

Este modelo es como un estudiante que ha tomado muchas clases avanzadas de matemáticas. Tiene capas de "neuronas" que procesan la información profundamente, buscando patrones complejos que la calculadora simple podría pasar por alto.

• Cómo funcionó: Fue el modelo más preciso en general. Obtuvo la respuesta correcta aproximadamente el 86.5% de las veces. También fue mejor en no gritar "¡Lobo!" (mayor precisión) que la calculadora simple.
• El problema: Falló en detectar más casos de derrames reales que la calculadora simple. No logró captar a casi la mitad de las personas que realmente necesitaban ayuda.
• Velocidad: También fue el más rápido en entrenarse (aprender de los datos).

3. El Detector de Patrones (Red Neuronal Convolucional)

Este modelo se utiliza normalmente para mirar imágenes (como reconocer un gato en una foto), pero el autor intentó usarlo aquí para encontrar patrones en los datos.

• Cómo funcionó: Su desempeño estuvo en un punto intermedio. No fue tan preciso como el "Pensador Profundo", pero fue mejor detectando casos reales de derrame que el "Pensador Profundo".
• El problema: Tardó más en entrenarse y no funcionó tan bien como los otros dos.

La Gran Revelación: El Intercambio (Trade-Off)

El artículo destaca una lucha clásica en la medicina: Precisión vs. Seguridad.

• La Calculadora Simple fue excelente en seguridad (detectando a casi todos los que estaban enfermos) pero mala en precisión (marcando a demasiadas personas sanas).
• El Pensador Profundo fue excelente en precisión (rara vez marcaba a personas sanas) pero malo en seguridad (perdiendo algunos casos de personas enfermas).

El autor encontró que, aunque el "Pensador Profundo" tenía la puntuación más alta en general, perdía demasiados casos reales de derrames para ser la única herramienta utilizada si el objetivo es salvar vidas.

La Solución Propuesta: Un Trabajo en Equipo

Dado que ningún modelo individual era perfecto, el autor sugiere un enfoque de "carrera de relevos" para la atención médica:

1. Primera Etapa: Usar la Calculadora Simple primero. Debido a que atrapa a casi todos los que están en riesgo (incluso si comete algunos errores), actúa como una red amplia para examinar a todos.
2. Segunda Etapa: Si la Calculadora Simple dice que alguien está en riesgo, se le pasa al Pensador Profundo. Este modelo puede entonces realizar un chequeo más detallado y preciso para ver si realmente está en riesgo, filtrando las falsas alarmas.
3. La Red de Seguridad: El Detector de Patrones (CNN) podría usarse como una tercera opinión para verificar los resultados.

La Conclusión Final

El artículo concluye que para que estos modelos sean mejores en el futuro, necesitamos más datos. Específicamente, necesitamos más información sobre las personas que realmente sufrieron derrames, porque actualmente, los datos están demasiado desequilibrados (demasiadas personas sanas, muy pocas enfermas).

Hasta entonces, la mejor estrategia no es elegir un único "ganador", sino utilizar un equipo de diferentes modelos trabajando juntos para asegurar que nadie en riesgo se escape entre las grietas.