Entrenamiento de una red neuronal para estimación del modelo homeostático de resistencia a la insulina

Resumen

Introducción: la evaluación del modelo homeostático es una prueba muy cercana al estándar de oro (pinza euglucémica).
Objetivo: entrenar una red neuronal tipo perceptrón multicapa para determinar el modelo homeostático de resistencia a la insulina.
Metodología: estudio analítico y transversal. El aprendizaje de la red neuronal se realizó a partir de una base de datos de 2004 adultos venezolanos. Posteriormente se añadió 4363 adultos mexicanos de la base de datos de la Encuesta Nacional de Salud y Nutrición (ENSANUT). Las variables fueron modelo homeostático de resistencia a la insulina (HOMA2-IR), insulina basal, glucosa basal. Se empleó redes neuronales tipo perceptrón multicapa.
Resultados: el entrenamiento del modelo de redes neuronales tuvo un error relativo de 0,003, mientras que en la prueba fue 0,005. Para HOMA2-IR cualitativo, el porcentaje de pronósticos incorrectos fue 0,60 % en el entrenamiento, y 0,70 % en la prueba. Después del aprendizaje del modelo, se añadió valores de insulina y glucosa basal de 4363 adultos mexicanos, observándose que los valores de HOMA2-IR generados mediante perceptrón multicapa mantuvieron la eficiencia del modelo, obteniéndose un coeficiente de determinación R2 de 0,983, lo que implica que el 98 % de la variación en los valores de HOMA2-IR pueden ser explicados mediante valores de HOMA2-IR obtenidos mediante perceptrón multicapa.
Conclusiones: la red neuronal tipo perceptrón multicapa, da resultados virtualmente idénticos a los obtenidos mediante la calculadora HOMA2-IR. La implementación de este algoritmo puede ser beneficioso como herramienta de fácil implementación en los sistemas de atención primaria, especializada y en entornos hospitalarios.