Aplicación de Técnicas de Aprendizaje Automático en la Optimización de la Gestión Hospitalaria

Application of machine learning techniques in hospital management optimization

Resumen

Este trabajo tiene como objetivo aplicar el algoritmo de agrupamiento K-Means para identificar patrones de enfermedades y apoyar la toma de decisiones en el Hospital de Catapa, mediante la integración de soluciones basadas en tecnologías emergentes, con énfasis en la Inteligencia Artificial y, en particular, el Aprendizaje Automático, con el fin de mejorar el análisis de datos clínicos y optimizar la administración de los recursos sanitarios.

La metodología adoptada implicó la recopilación y el tratamiento de 4.050 registros clínicos, abarcando variables como la fecha de atención, barrio, género, edad, grupo etario, tipo de enfermedad y clasificación del barrio. Tras el preprocesamiento de los datos, se aplicó el algoritmo K-Means, lo que permitió la formación de 5 clústeres compuestos por pacientes con características similares.

El análisis indicó que el barrio Catapa (clasificado como periurbano) concentra aproximadamente el 58% de los casos de malaria y fiebre. También se observó que el grupo etario de jóvenes representa el 38,4% de los registros; niños, el 32,3%; adolescentes, el 14,9%; adultos, el 11,8%; y ancianos, el 2,6%, con una leve predominancia del género masculino (50,1%) frente al femenino (49,9%). El barrio Catapa, por sí solo, representa el 37% de los casos registrados; Mbemba Ngango el 15%; Kindenuku el 10%; Dunga el 5%; Papelão el 3%; y los otros 34 barrios suman el 30% restante. El mes de junio presentó la mayor incidencia, con alrededor del 36% del total de casos. También se registró que, en cuanto a los tipos de barrios, el tipo periurbano presenta una ocurrencia del 73,6% de los casos; los barrios urbanos, el 24,6%; y los barrios rurales, el 1,8%, según los datos extraídos del libro de registro del hospital.