Browsing by Author "Sarabia Neira, Christian Alexis"
Now showing 1 - 1 of 1
- Results Per Page
- Sort Options
Thesis Modelo de aprendizaje automático profundo para la identificación de rasgos del espectro autista en adultos(Universidad Técnica Federico Santa María, 2026-05-19) Sarabia Neira, Christian Alexis; Departamento de Electrotecnia e Informática; Jara Bulnes, Gabriel AlbertoEl presente trabajo tuvo como objetivo desarrollar y validar un modelo de clasificación basado en técnicas de Machine Learning para apoyar el proceso de screening del Trastorno del Espectro Autista en adultos, utilizando el cuestionario estandarizado AQ-10. Para ello, se empleó el conjunto de datos público Autism Screening on Adults, el cual fue sometido a un proceso de preprocesamiento que incluyó limpieza de datos, codificación de variables categóricas y estandarización de atributos numéricos, además de la eliminación de una variable que introducía fuga de información. La solución fue desarrollada siguiendo la metodología CRISP-DM y consistió en la implementación y evaluación comparativa de cuatro modelos de clasificación: Árbol de Decisión, Random Forest, Máquina de Vectores de Soporte (SVM) y una Red Neuronal Artificial. Los modelos fueron validados mediante métricas estándar de clasificación, tales como precisión, sensibilidad (recall), F1-score, matriz de confusión y el área bajo la curva ROC (AUC-ROC), priorizando la reducción de falsos negativos debido a la naturaleza clínica del problema. Los resultados obtenidos muestran que todos los modelos presentan un desempeño elevado, destacando especialmente el Random Forest y la Red Neuronal Artificial, ambos con valores de AUC cercanos a 0,996 y altos niveles de sensibilidad y precisión. En particular, el Random Forest demostró el mejor equilibrio entre capacidad predictiva, estabilidad y reducción de errores clínicamente relevantes, posicionándose como la alternativa más adecuada para su uso en procesos de screening inicial. En conclusión, este estudio confirma que las técnicas de Machine Learning pueden constituir una herramienta eficaz de apoyo al tamizaje del TEA en adultos, contribuyendo a una detección más temprana y accesible, siempre como complemento y no como reemplazo del diagnóstico clínico profesional.
Política de Privacidad 
