Aplicación del algoritmo KNN para la predicción de enfermedad celíaca utilizando variables clínicas y serológicas

Resumen

La enfermedad celíaca corresponde a una condición autoinmune con una prevalencia cercana al 1% a nivel global, frecuentemente subdiagnosticada debido a la escasa sospecha clínica, lo que incrementa su morbilidad y mortalidad. En este contexto, la aplicacion del algoritmo K-Nearest Neighbors (KNN) surgió como un modelo predictivo para contribuir a la detección de esta enfermedad mediante variables clínicas y serológicas. Se diseñó un modelo supervisado con el algoritmo KNN utilizando variables clínicas y serológicas extraídas de una base de datos académica de 2,206 registros. Para balancear las clases, se aplicó la técnica de sobremuestreo sintético (SMOTE). Los datos fueron segmentados para entrenamiento y validación, optimizando el parámetro de clasificación mediante validación cruzada. Además, se desarrolló una plataforma web diseñada para admitir el ingreso, análisis y emisión que permite la carga, procesamiento y generación de reportes médicos con acceso por roles y estimación de probabilidad diagnóstica. Este modelo alcanzó una exactitud del 94%, una precisión del 97 % y una sensibilidad del 91 %. El algoritmo demostró ser útil para la predicción de la enfermedad celíaca a partir de datos clínicos y serológicos, y su implementación en la web permite su integración práctica en entornos clínicos.