EP Genética y Biotecnología

Permanent URI for this communityhttps://hdl.handle.net/20.500.12672/5095

Browse

Browsing EP Genética y Biotecnología by Subject "ADN"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    Predicción del índice de fragmentación del ADN espermático humano a partir del espermatograma computarizado y la edad mediante un modelo de Machine Learning para optimizar la Fecundación in vitro
    (Universidad Nacional Mayor de San Marcos, 2026) Sotero Yataco, Nancy Cristina; Pino Gaviño, José Luis Rafael; Llanos Carrillo , José Luis
    La investigación desarrolla un modelo predictivo del índice de fragmentación del ADN espermático (IFA) mediante técnicas de machine learning, utilizando parámetros derivados de un espermatograma computarizado y la edad. Se realizó un estudio retrospectivo con información de 743 pacientes atendidos entre enero de 2023 y agosto de 2024. La base de datos incluyó 60 variables clínicas y seminales y se dividió en conjuntos de entrenamiento, validación interna y validación externa temporal. Se emplearon los algoritmos K-Nearest Neighbors (KNN) y Random Forest (RF), evaluados mediante métricas de exactitud, precisión, sensibilidad, especificidad, F1-score, AUC-ROC y AUC-PR, considerando escenarios de clasificación multiclase y binaria. En la clasificación multiclase, ambos modelos presentaron un desempeño bajo a moderado, con predominio de RF en la validación cruzada e interna y de KNN en la validación externa. En la clasificación binaria, RF mostró un desempeño más equilibrado y consistente, con mejores resultados en sensibilidad, F1-score, AUC-ROC y AUC-PR. Asimismo, las curvas de aprendizaje evidenciaron una mejora de RF con el incremento del volumen de datos, mientras que KNN presentó mayor sesgo y varianza. Se concluye que RF constituye el modelo más prometedor para la predicción clínica del IFA, mientras que KNN podría complementar su aplicación en determinados escenarios.