Generación de índices para la caracterización del riesgo de caída en adultos mayores mediante programación genética

Abstract

A pesar de los avances en la evaluación del riesgo de caídas mediante el uso de inteligencia artificial, los métodos actuales presentan limitaciones importantes que afectan su aplicabilidad en entornos clínicos. Los índices del Centro de Presión (por sus siglas en inglés, CoP) disponibles hasta ahora carecen de una capacidad predictiva consistente, y las medidas de sensibilidad y especificidad muestran una amplia variabilidad entre los estudios. Este trabajo tuvo como objetivo desarrollar nuevos índices del CoP para mejorar la eficacia de la clasificación del riesgo de caídas. La capacidad individual de los índices del CoP informados en el estado del arte se optimizaron mediante Programación Genética Adaptativa (PGA) en dominios matemáticos, como la entropía, el tiempo y la frecuencia. Posteriormente, la combinación de estos nuevos índices genéticos del CoP junto con las características antropométricas de los adultos mayores se utilizaron para entrenar diversos modelos de clasificación clásicos dentro del aprendizaje automático y aprendizaje profundo. Se desarrollaron seis nuevos índices genéticos del CoP utilizando PGA. El índice de frecuencia genética demostró un rendimiento superior en la identificación del riesgo de caídas al lograr una puntuación F1 promedio macro de 0,746 y un área bajo la curva (por sus siglas en inglés, AUC) de 0,763, utilizando un enfoque de validación cruzada de 5 pliegues. El rendimiento de clasificación más alto se logró utilizando el algoritmo aumento de gradiente con las características de índices genéticos de distancia, híbrido, entropía y riesgo de caída, peso e índice de masa corporal, lo que resultó en un AUC de 0,894. Estos resultados sugieren que la metodología propuesta no sólo mejora el rendimiento en la clasificación del riesgo de caídas mediante algoritmos complejos, sino que también proporciona fórmulas de cálculo sencillas que facilitan su futura adopción en entornos clínicos.