Buscar


Mostrar el registro sencillo del ítem

dc.rights.license https://creativecommons.org/licenses/by-nc-nd/4.0 es_ES
dc.contributor Jorge Domingo Mendiola Santibañez es_ES
dc.creator Edgar Rafael Ponce de León Sánchez es_ES
dc.date.accessioned 2025-10-29T21:06:52Z
dc.date.available 2025-10-29T21:06:52Z
dc.date.issued 2025-10-27
dc.identifier.uri https://ri-ng.uaq.mx/handle/123456789/12385
dc.description La esclerosis múltiple (EM) es una enfermedad inflamatoria crónica del sistema nervioso central (SNC), caracterizada patológicamente por desmielinización, pérdida axonal y gliosis con la formación de múltiples placas en el cerebro y la médula espinal; y clínicamente por una variedad de signos y síntomas neurológicos diseminados en el tiempo y el espacio. Aunque la etiología (causas) y la patogenia (origen) de la EM no están claramente establecidas, es probable que sea el resultado de interacciones complejas entre factores genéticos y ambientales. La etiología autoinmune de la EM ha sido el objetivo del acercamiento terapéutico a los pacientes. El interferón (IFN)-β es una de las terapias modificadoras de la enfermedad más prescritas en pacientes con esclerosis múltiple recurrente-remitente (EMRR). Sin embargo, este tratamiento es parcialmente efectivo y una proporción significativa de pacientes no responde a este fármaco. El aprendizaje automático (ML) es una rama de la inteligencia artificial (IA) que se enfoca en el desarrollo de modelos computacionales basados en datos para mejorar tareas específicas. En los últimos años se han aplicado algunos métodos de aprendizaje no supervisado (agrupación jerárquica, k-means, etc.) en el estudio de la EM, para realizar tareas de clasificación. Aunque estos métodos son relativamente fáciles de implementar, rara vez proporcionan la mejor solución debido a la gran cantidad de decisiones arbitrarias, y funcionan eficazmente solo cuando el conjunto de datos contiene grupos de tamaño similar y no hay valores atípicos notables. Por lo tanto, en este trabajo de investigación se propone un algoritmo de ML que incluye un sistema experto difuso, basado en la opinión de un experto en neurología, para mejorar la eficiencia en la clasificación de la respuesta al IFN-β en 25 pacientes con EMRR, y un algoritmo genético (GA) para optimizar la sintonización de hiperparámetros de un modelo de red neuronal artificial (ANN) entrenado con biomarcadores genéticos, con el fin de estimar si los pacientes son candidatos potenciales a ser tratados con este fármaco. Los resultados experimentales muestran que el sistema experto difuso propuesto tuvo una mayor eficiencia de clasificación comparado con un método convencional de agrupamiento jerárquico. El modelo ANN logró una mayor precisión de rendimiento y una convergencia más rápida de la función de pérdida, en comparación con otros métodos convencionales de ML. es_ES
dc.format pdf es_ES
dc.format.extent 1 recurso en línea (107 páginas) es_ES
dc.format.medium computadora es_ES
dc.language.iso spa es_ES
dc.publisher Universidad Autonoma de Querétaro es_ES
dc.relation.requires Si es_ES
dc.rights openAccess es_ES
dc.subject Esclerosis múltiple es_ES
dc.subject Aprendizaje automático es_ES
dc.subject Sistema experto difuso es_ES
dc.subject Biomarcadores es_ES
dc.subject.classification INGENIERÍA Y TECNOLOGÍA es_ES
dc.title Algoritmo de aprendizaje automático basado en información genética para predecir la respuesta de pacientes con esclerosis múltiple al tratamiento de interferón beta es_ES
dc.type Tesis de doctorado es_ES
dc.creator.tid ORCID es_ES
dc.contributor.tid ORCID es_ES
dc.creator.identificador 0000-0002-9719-829X es_ES
dc.contributor.identificador 0000-0002-9173-0732 es_ES
dc.contributor.role Director de tesis es_ES
dc.degree.name Doctorado en Ciencias de la Computación es_ES
dc.degree.department Facultad de Informática es_ES
dc.degree.level Doctorado es_ES
dc.format.support recurso en línea es_ES
dc.matricula.creator 309439 es_ES
dc.folio IFDCC-309439 es_ES


Ficheros en el ítem

Thumbnail
Nombre: IFDCC-309439.pdf
Tamaño: 1.801Mb
Formato: PDF
Ver/

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem