Se utilizó la base de datos de DM2 del Instituto Nacional de Diabetes y Enfermedades Digestivas y Renales de la población de indios Pima ^[15]. La información corresponde a 768 pacientes (500 sin DM2 y 268 con DM2) y 9 variables. En la Tabla 1 se observa la información de las 9 variables de estudio (incluida una variable de clase, que corresponde al diagnóstico de diabetes). Este conjunto de datos está disponible para su descarga desde internet ^{[15], [16].}

Tabla 1

Fuente: elaboración propia.

Teniendo en cuenta que el conjunto de datos consiste en información clínica de 500 individuos sin DM2 y 268 con DM2, el problema del desbalance de clases fue abordado generando instancias sintéticas de los individuos con DM2, con el fin de equilibrar el conjunto de datos. Para ello, se empleó la técnica de Sobremuestreo Sintético de Clase Minoritaria (SMOTE, por sus siglas en inglés) ^[17]. Esto garantiza que el modelo no genere resultados sesgados hacia la clase sobrerrepresentada, ayuda a encontrar los límites de decisión entre las clases y mejora el desempeño predictivo.

81 años, con un promedio de 33±12 años. Las mujeres con diabetes presentaron una edad promedio de 37±11 años y las mujeres sin la enfermedad una media de 31±11,7 años. La edad constituye una variable de gran interés en el diagnóstico de la DM2, en ^[26] encontraron una relación importante entre la edad y el desarrollo de complicaciones, demostrando que al realizar el diagnóstico de la DM2 en edades más tempranas se asoció con un mayor riesgo relativo de morbilidad y mortalidad cardiovascular. En la Tabla 3, se pueden observar los resultados de la media y desviación estándar para cada variable de la clase 0 y clase 1.

Tabla 3

Fuente: elaboración propia.

El modelo final optimizado consistió en un FCM entrenado con AG usando los siguientes hiperparámetros: población inicial = 200, probabilidad de cruce = 0.5, probabilidad de mutación = 0.5, función de activación = sigmoidea, función de inferencia = rescaled. El modelo obtuvo una exactitud del 99 %, una precisión de 98 % y un recall del 100 % en la predicción de DM2. Con relación al grado de concordancia entre la predicción de nuestro modelo y el diagnóstico real, se obtuvo un índice Kappa de Cohen de 0,98 un valor casi perfecto según ^[27] que indica que la fiabilidad del modelo es alta. En la Tabla 4, se puede observar la matriz de confusión, que muestra los resultados de la predicción.

Tabla 4

Fuente: elaboración propia.

En la Tabla 5, se muestran las métricas de desempeño obtenidas por el modelo y una comparación con los reportes en la literatura. La exactitud indica que el modelo clasificó correctamente el 99 % de las predicciones, la precisión demostró que el 98 % de las pacientes clasificadas como diabéticas son realmente positivas y un recall de 100 % indica que el modelo tiene una buena capacidad para identificar los casos verdaderamente positivos de DM2, lo que demuestra que en general el enfoque propuesto es confiable y presenta un buen desempeño.

Tabla 5:

Fuente: elaboración propia.

En los últimos años, se ha publicado una diversidad de artículos de investigación que emplean técnicas de IA en el conjunto de datos de PIMA para la predicción de la diabetes. Los modelos de ML han sido los más utilizados, presentando una buena capacidad para clasificar y predecir la enfermedad. Una comparativa de las métricas se puede observar en la Tabla 5. Por ejemplo, en ^[28], realizaron un estudio para comparar el rendimiento de los algoritmos de clasificación en la predicción de la diabetes: K-vecinos más cercanos (KNN), DT, RF y SVM, con diferentes formas de preprocesamiento. El mejor modelo fue RF con una exactitud de 88 % y una precisión de 100 %. RF obtuvo una menor exactitud que el modelo de FCM propuesto, el rendimiento de los clasificadores se ve afectado por los valores incompletos y desconocidos, por lo tanto, para mejorar el desempeño se deben eliminar esos datos. Los autores ^[28] se enfocan exclusivamente en las técnicas de preprocesamiento y selección de hiperparámetros para desarrollar el mejor modelo predictivo, centrando su trabajo en aspectos matemáticos y computacionales. En comparación, el modelo de FCM desarrollado está orientado al ámbito clínico, integrando el comportamiento y las interacciones de las variables en la predicción de la DM2.

En ^[29], compararon los algoritmos de KNN y NB para predecir la diabetes. Realizaron 8 experimentos, dividiendo los datos en diferentes porcentajes (del 10 % a 80 %) para el entrenamiento de los modelos. El mejor resultado se obtuvo con el 80 % de los datos, donde el algoritmo NB superó a KNN, con una exactitud de 76,0 %, precisión de 73,3 % y recall de 71,3 %. En ^[29] se enfocaron en evaluar la predicción de la enfermedad con diferentes porcentajes de datos, sin embargo, no describen la importancia de las variables asociadas a la predicción de la DM2. Los algoritmos de NB pueden presentar limitaciones en el manejo de relaciones complejas, debido a que se basan en la hipótesis de independencia entre las variables predictoras, lo que disminuiría la capacidad para analizar el comportamiento de los factores de riesgo en el desarrollo de la enfermedad. La DM2 puede estar influenciada por múltiples factores, por lo tanto, podría ocasionar la disminución del rendimiento de los modelos de NB. En ^[30] implementaron un kernel no lineal para el algoritmo SVM para mejorar la clasificación de la DM2. El nuevo kernel utiliza la función de base radial (RBF) que permiten a SVM aprender límites de decisión complejos y adaptarse al conjunto de datos PIMA. Compararon con varios kernel existentes y lograron un rendimiento mejorado con una exactitud de 85,5 %, recall de 87,0 % y precisión de 83,4 %. En ^[6], realizaron un estudio utilizando varios modelos de aprendizaje automático, aplicaron técnicas de balance de datos como SMOTE y Adaptive Synthetic Sampling Approach for Imbalanced Learning (ADASYN, por sus siglas en inglés). Los mejores resultados fueron obtenidos por el clasificador XGBoost con una exactitud de 81 % con el enfoque ADASYN.

En ^[31], utilizaron diferentes algoritmos metaheurísticos para mejorar el diagnóstico de la diabetes. Examinaron varias combinaciones del algoritmo de búsqueda Harmony, AG y PSO con K-means para la selección de características. El modelo de AG con KNN obtuvo una exactitud de 88,02 %. En ^[32], propusieron un framework de aprendizaje automático para mejorar el rendimiento de la predicción de la diabetes utilizando los conjuntos de datos PIMA y Laboratory of the Medical City Hospital (LMCH, por sus siglas en inglés). El framework incorporó enfoques de preprocesamiento de datos, correlación de Spearman y regresión polinomial. El mejor modelo propuesto por los autores fue una red neuronal profunda de doble crecimiento (2GDNN) con una exactitud, precisión y recall de 97 %. Este enfoque presenta algunas limitaciones, por ejemplo, que requieren grandes cantidades de datos para su entrenamiento y son difíciles de interpretar, lo que complica entender la forma en cómo se realiza la predicción ^[33].

Al comparar los resultados del modelo propuesto en esta investigación con otros enfoques reportados en la literatura, se puede evidenciar que el FCM optimizado con AG presenta un excelente desempeño para predecir la DM2. El modelo de FCM que se propone en esta investigación presentó un rendimiento superior en comparación con los trabajos de ^[6] y ^[30], ambos con un desempeño alrededor del 80 %. Probablemente se deba a que los clasificadores usados en los estudios previos requieren grandes conjuntos de datos para su entrenamiento, lo que resulta limitado con la base de datos de PIMA. Además, estos algoritmos suelen ser difíciles de interpretar y requieren el uso de otras herramientas para ser explicables, lo que disminuiría su aplicación como sistemas de apoyo a la decisión médica. Las ventajas de la implementación de FCM con AG están respaldadas por la facilidad que tienen los FCM para representar la influencia de las variables relacionadas con la diabetes. Los FCM tienen en cuenta las influencias positivas y negativas, lo que permite mejorar la comprensión del análisis de los factores de riesgos asociados a la enfermedad. Otra ventaja, es la capacidad de realizar procesos iterativos, lo que apoya en el análisis del comportamiento de las variables a través del tiempo, por lo tanto, son una buena estrategia para la toma de decisiones médicas. Además, el uso de representaciones gráficas permite a los expertos visualizar y razonar sobre las predicciones del modelo, facilitando la comprensión del sistema desarrollado ^[19].

Una aplicación importante de los FCM es poder ser utilizados como modelos de apoyo a la toma de decisiones clínicas, por su facilidad en la interpretación. Permiten la generación de gráficas visualizables para el análisis de las variables asociadas al desarrollo de la enfermedad, permitiendo predecir el comportamiento de los conceptos en el tiempo ^[10].

Analizar el comportamiento de los factores de riesgo, es una de las prioridades para la detección temprana de la diabetes. El modelo de FCM optimizado con AG identificó relaciones positivas entre el diagnóstico de DM2 y los conceptos: C1 (número de embarazos), C2 (glucosa plasmática), C3 (presión sanguínea diastólica), C5 (insulina sérica) y C7 (función de pedigrí). Estudios han reportado que las mujeres con antecedentes de múltiples embarazos pueden tener un mayor riesgo de desarrollar la enfermedad, principalmente, si experimentaron diabetes gestacional ^{[34], [35].} La concentración plasmática de glucosa e insulina están directamente relacionadas con el diagnóstico de la DM2 ^[36]. Las personas con niveles elevados de glucosa tienen una mayor probabilidad de adquirir la patología. Estos valores están relacionados con las deficiencias en la secreción de insulina por las células β pancreáticas y con la resistencia a la hormona por los tejidos periféricos, por lo tanto, son factores clave en el desarrollo e identificación de la diabetes ^[37]. Otro concepto asociado, es la presencia de hipertensión arterial, que ocurre en el 50 % al 80 % de los pacientes con DM2. Estas variables tienen una relación de causalidad recíproca, debido a que la resistencia a la insulina y la diabetes predisponen a la hipertensión, la rigidez vascular y la enfermedad cardiovascular. Mientras que, la rigidez arterial y la vasorelajación alterada contribuyen a empeorar la resistencia a la insulina y al desarrollo de la diabetes ^[38]. Con relación a la función pedigrí, proporciona información relevante al utilizar los antecedentes clínicos familiares para predecir la probabilidad de desarrollar diabetes ^[39]. Algunos autores reportaron otras variables de interés en el mismo conjunto de datos; por ejemplo, en ^[40] identificaron que los cinco conceptos críticos para predecir la DM2 son la edad, el índice de masa corporal (IMC), la función pedigrí, la glucosa y la frecuencia de embarazos, a través de un modelo de regresión logística. En ^[41] reportaron que el IMC y la glucosa plasmática son atributos significativamente correlacionados con la predicción de la enfermedad.

En la Figura 4, se observa una representación gráfica del comportamiento de las variables predictoras de DM2. La simulación utiliza a una paciente con antecedentes de embarazo (línea amarilla), presión diastólica alterada (línea verde) e IMC aumentado (línea violeta). Las líneas en el gráfico representan la evolución de los conceptos a lo largo de las 35 iteraciones, donde los valores cercanos a 1 indican una mayor importancia de las variables asociadas. Algunos conceptos que inicialmente se encontraban inactivos, muestran un incremento a medida que avanza la simulación, como la concentración de glucosa (línea roja), niveles de insulina sérica (línea naranjada) y espesor del pliegue cutáneo del tríceps (línea morada), Al inicio no estaban activos, pero, posteriormente aparecen como curvas que incrementan sus valores a lo largo del tiempo.

Figura 4 Fuente: elaboración propia.

De esta manera, estos resultados representados en forma gráfica le permiten al profesional médico realizar un análisis más completo de la DM2 para cada paciente. Los FCM pueden analizar variables sociodemográficas (edad, sexo, etc.), variables clínicas (signos, síntomas, historial médico, etc.) y resultados de mediciones biológicas sobre los pacientes (pruebas de laboratorio, índices biológicos, entre otros). Al visualizar estas relaciones, los FCM pueden ayudar a los médicos a predecir la progresión de la enfermedad, identificar el comportamiento de los factores de riesgo y realizar intervenciones tempranas que permitan tomar decisiones informadas al proporcionar una comprensión más completa de la condición del paciente ^[42].