Aplicación de Aprendizaje Automático Móvil para la Detección Temprana del Cáncer de Pulmón
Imagen generada por Gemini AI
Una nueva investigación ha comparado nueve algoritmos de clasificación para la detección del cáncer de pulmón utilizando la aplicación NusaMiner. Con un conjunto de datos de 309 registros obtenidos de Kaggle, el estudio reveló que los algoritmos Gradient Boosting y Random Forest lograron una precisión de hasta el 100%. NusaMiner tiene el potencial de mejorar la detección temprana del cáncer de pulmón, ofreciendo una solución efectiva y eficiente para los servicios de salud.
Aplicación de Aprendizaje Automático Móvil para la Detección Temprana del Cáncer de Pulmón Muestra Resultados Prometedores
Un estudio reciente evaluó el rendimiento de nueve algoritmos de clasificación en la detección del cáncer de pulmón a través de la aplicación móvil NusaMiner. El estudio utilizó un conjunto de datos de Kaggle, que consta de 309 registros con 16 atributos relacionados con factores de riesgo y síntomas de los pacientes.
Hallazgos
Los resultados indicaron que NusaMiner logró una alta y estable precisión en diferentes proporciones de división de datos. Notablemente, los algoritmos de Gradient Boosting y Random Forest emergieron como los de mejor rendimiento, con tasas de precisión que alcanzaron el 100% en varios escenarios. Esto posiciona a NusaMiner como una solución potencialmente innovadora para mejorar la detección temprana del cáncer de pulmón.
Implicaciones para la Salud
NusaMiner podría mejorar significativamente la velocidad y fiabilidad de los diagnósticos de cáncer de pulmón, lo que potencialmente llevaría a mejores resultados para los pacientes. Su alta precisión lo convierte en una herramienta valiosa para los proveedores de atención médica que implementan estrategias de detección temprana.
Temas relacionados:
📰 Fuente original: https://doi.org/10.37817/ikraith-informatika.v10i2.5474
Todos los derechos y créditos pertenecen al editor original.