Historia del Proyecto: Predicción fibrosis pulmonar

Sobre el Proyecto

Este proyecto nació de nuestro deseo de ayudar a los pacientes a mejorar su calidad de vida y contribuir al avance de la medicina. Utilizamos datos clínicos y técnicas de machine learning para predecir enfermedades progresivas, apoyando a los profesionales de la salud en diagnósticos más rápidos y precisos.

¿Qué Aprendimos?

A lo largo del proyecto, aprendimos a:

Limpiar y preparar datos para modelos de machine learning.
Seleccionar variables relevantes para predicciones.
Implementar modelos como árboles de decisión y KNN.
Desarrollar una interfaz web para interactuar con los modelos y hacer predicciones en tiempo real.

También comprendimos mejor cómo la tecnología puede complementar la medicina.

Cómo lo Construimos

Preparación de Datos: Limpiamos el dataset, gestionamos valores nulos y transformamos variables categóricas en numéricas.
Desarrollo de Modelos: Probamos modelos como árboles de decisión y KNN, ajustándolos para obtener mejores resultados.
Creación de la Web: Diseñamos una aplicación donde los datos del paciente son introducidos y procesados, generando una predicción fácil de interpretar.
Evaluación: Validamos los modelos con métricas como precisión, recall y F1-score.

Retos

Datos Faltantes: Requiriendo estrategias cuidadosas de imputación.
Variables Categóricas: Transformarlas para que los modelos pudieran usarlas.
Selección del Modelo: Encontrar el equilibrio entre precisión y complejidad.
Despliegue en la Web: Integrar el modelo de machine learning en una interfaz accesible y funcional.

Conclusión

Este proyecto nos permitió aplicar ciencia de datos para apoyar la medicina. Esperamos que sea un paso hacia mejores herramientas de diagnóstico y, en última instancia, una mejor calidad de vida para los pacientes.