|
Title:
|
IMPACTO DE DATASETS EXTREMADAMENTE
DESBALANCEADOS EN MODELOS DE IA PARA LA
SALUD: ANÁLISIS DESDE EL MONITOREO DE
PERSONAS MAYORES |
|
Author(s):
|
Amanda Milena Santacruz-Madroñero y Leonardo Betancur Agudelo |
|
ISBN:
|
978-989-8704-64-1 |
|
Editors:
|
Paula Miranda, Flávia Maria Santoro e Cristiano Costa |
|
Year:
|
2024 |
|
Edition:
|
Single |
|
Keywords:
|
Muestreo Mal Condicionado, Datos Extremadamente Desbalanceados, Datos Sintéticos, Inteligencia Artificial |
|
Type:
|
Reflection |
|
First Page:
|
145 |
|
Last Page:
|
148 |
|
Cover:
|
|
|
Full Contents:
|
click to dowload 
|
|
Paper Abstract:
|
Este trabajo explora el impacto de datasets desbalanceados en modelos de inteligencia artificial (IA) para monitorear la
salud de personas mayores, una población vulnerable con alto riesgo de condiciones subdiagnosticadas. El desbalance de
clases, donde las enfermedades graves están subrepresentadas, reduce la precisión y dificulta la detección de condiciones
críticas. Se analizan técnicas como sobremuestreo, submuestreo, enfoques híbridos y deep learning, evaluando sus
beneficios y limitaciones. Aunque estas técnicas mejoran la identificación de patrones en clases minoritarias, enfrentan
desafíos como el sobreajuste y los altos costos computacionales, lo que dificulta su implementación en entornos clínicos.
El trabajo enfatiza la importancia de desarrollar algoritmos robustos y accesibles para aplicar IA de manera efectiva en
esta población creciente y vulnerable. |
|
|
|
|
|
|
