Clasificadores de Aprendizaje Automático aplicados a Datos RKI MALDI-TOF de Espectrometría de Masa de Bacterias

Autores/as

  • Andrea Alejandra Rey Facultad Regional Buenos Aires, Universidad Tecnológica Nacional - Argentina

DOI:

https://doi.org/10.33414/rtyc.40.75-87.2021

Palabras clave:

espectros de masa, clasificación, aprendizaje automático, RKI MALDI-TOF/MS

Resumen

En este trabajo evaluamos el rendimiento de diferentes métodos de aprendizaje automático, para la clasificación de bacterias a partir de espectros de masas disponibles en la base de datos RKI MALDI-TOF. La identificación de microorganismos empleando espectrometría de masas se ha convertido en una tecnología muy popular en los últimos años, especialmente en microbiología clínica, donde una clasificación adecuada es fundamental al momento de elegir un tratamiento correcto. Los modelos elegidos en nuestro estudio incluyen análisis por discriminantes, árboles de decisión, vecinos más cercanos y redes neuronales. Consideramos las siguientes medidas para el análisis: exactitud, coeficiente κ de Cohen,  tasa de no información y tiempo consumido. Los resultados obtenidos nos permiten recomendar el análisis por discriminante lineal, con un desempeño levemente inferior a vecinos más cercanos, pero aventajándolo en términos de costo computacional.

Descargas

Los datos de descargas todavía no están disponibles.

Descargas

Publicado

03-04-2021

Cómo citar

Rey, A. A. (2021). Clasificadores de Aprendizaje Automático aplicados a Datos RKI MALDI-TOF de Espectrometría de Masa de Bacterias. Revista Tecnología Y Ciencia, (40), 75–87. https://doi.org/10.33414/rtyc.40.75-87.2021