Evaluación comparativa de modelos de Machine Learning para la predicción del riesgo de enfermedad cardiovascular a partir de hábitos de vida y características físicas

Aug 4, 2026

Subir por Ophelia

Las enfermedades cardiovasculares se mantienen entre las principales causas de muerte, y la predicción temprana del riesgo puede fortalecerse mediante técnicas de machine learning aplicadas a datos de hábitos de vida y condiciones físicas. El estudio evalúa y compara el desempeño de cinco modelos supervisados (KNN, Árbol de Decisión, Random Forest, SVM y MLP) sobre el Health Activity Dataset (1000 individuos), balanceado por bootstrapping, entrenado y probado con validación cruzada y optimización de hiperparámetros, logrando el mejor rendimiento con Random Forest. Las variables más determinantes son ingesta calórica, IMC, presión sistólica y actividad física diaria.

IdiomaSpanish

CategoríaInvestigación e Informes

FormatoPDF

Páginas12

Tiempo de lectura18 min

AccesoGratis para descargar

Tabla de contenidos

Resumen

1. Introducción

Contexto de la investigación

Importancia de la investigación

Antecedentes

Especialización en Estadística Aplicada Facultad de Ingeniería y Ciencias Básicas Evaluación comparativa de modelos de Machine Learning para lapredicción del riesgo de enfermedad cardiovascular a partir dehábitos de vida y características físicas. Angélica Florez1 , Jonathan Escobar1 , Alejandro Duitama1 , y Julián Salamanca1 1 Fundación Universitaria Los Libertadores Aceptado: 6 de diciembre de 2025 Resumen Contexto. Las enfermedades cardiovasculares siguen siendo una de las principales causas de muerte, y su prediccióntemprana puede apoyarse en técnicas de machine learning aplicadas a datos de hábitos de vida y condiciones físicas. Propósito. Evaluar y comparar el desempeño de varios algoritmos de machine learning para predecir la enfermedad cardiovascular. Metodología. Se analizó el Health Activity Dataset (1000 individuos) mediante cinco modelos supervisados implementados en Python: K-Nearest Neighbors (KNN), Árbol de Decisión, Random Forest, Support Vector Machine (SVM) y Red Neuronal Artificial (MLP) . El conjunto de datos fue balanceado mediante bootstrapping (60–40) ydividido en entrenamiento y prueba (70–30) . Se aplicó validación cruzada de cinco pliegues y optimización de hiperparámetros mediante GridSearchCV, con estandarización de variables para los modelos sensibles a escala. Resultados. El modelo Random Forest obtuvo el mejor desempeño (exactitud 99.1 %, F1-score 0.989, AUC = 0.996), superando alos demás algoritmos. El Árbol de Decisión y el SVM alcanzaron resultados competitivos, mientras que KNN y la Red Neuronal mostraron rendimientos moderados. Las variables más influyentes en la predicción fueron la ingesta calórica, el índice de masa corporal, la presión sistólica y la actividad física diaria. Conclusiones. El modelo Random Forest seconsolida como la alternativa más robusta y precisa para la predicción del riesgo cardiovascular, destacando el potencial del machine learning como herramienta de apoyo en la toma de decisiones clínicas y en estrategias preventivas de salud pública. Palabras clave—enfermedad cardiovascular, machine learning, predicción, modelos supervisados, . Abstract Context. Cardiovascular diseases remain one of the leading causes of death worldwide, and their early prediction can be supported by machine learning techniques applied to lifestyle and physiological data. Purpose. To evaluate and compare the performance of several supervised machine learning algorithms for predicting cardiovascular disease. Methodology. The Health Activity Dataset (1000 individuals) was analyzed using five supervised models implemented in Python: K-Nearest Neighbors (KNN), Decision Tree, Random Forest, Support Vector Machine (SVM), and Artificial Neural Network Multi-Layer Perceptron, MLP) . The dataset was balanced using bootstrapping (60–40) and split into training and test sets (70–30) . A five-fold cross-validation and hyperparameter optimization using GridSearchCV were applied, with variable standardization for scale-sensitive models. Results. The Random Forest model achieved the best overall performance (accuracy 99.1%, F1-score 0.989, AUC = 0.996), outperforming the other algorithms. The Decision Tree and SVM showed competitive results, while KNN and the Neural Network exhibited moderate performance. The most influential predictors included caloric intake, body mass index, systolic pressure, and daily physical activity. Conclusions. The Random Forest model proved to be the most robust and accurate approach for cardiovascular risk prediction, highlighting the potential of machine learning as a decision-support tool for clinical assessment and preventive healthcare. Keywords—cardiovascular disease, machine learning, prediction, supervised models, Python. 1. Introducción La predicción temprana de eventos cardiovascularesse ha convertido en una prioridad para los sistemas de salud debido al incremento sostenido de la morbilidad y mortalidad asociada a estas enfermedades. En los últ

Preguntas frecuentes

Cuál es el objetivo principal de la evaluación comparativa?

Evaluar y comparar el desempeño de varios algoritmos de machine learning para predecir la enfermedad cardiovascular a partir de hábitos de vida y características físicas.

Qué metodología se aplicó para entrenar y comparar los modelos?

Se analizó el Health Activity Dataset con cinco modelos supervisados en Python, balanceando el conjunto con bootstrapping, dividiendo en entrenamiento y prueba, usando validación cruzada de cinco pliegues y optimización de hiperparámetros mediante GridSearchCV con estandarización para modelos sensibles a la escala.

Qué modelo obtuvo el mejor rendimiento y qué variables resultaron más influyentes?

Random Forest logró el mejor desempeño global. Las variables más influyentes fueron la ingesta calórica, el índice de masa corporal, la presión sistólica y la actividad física diaria.

Aug 4, 2026

Subir por Ophelia