Algoritmos de machine learning para la predicción de la demencia - Revisión sistemática

Aug 3, 2026

El trabajo identifica los algoritmos utilizados en machine learning para la detección temprana de demencia o deterioro cognitivo degenerativo, considerado uno de los principales desafíos clínicos y socioeconómicos actuales. Se destacan los modelos con mayor confiabilidad y eficacia, apoyados en una metodología alineada a PRISMA y sustentada en búsquedas en SCOPUS, SCIELO, IEEE Xplore, SAGE y Google Académico. Se seleccionaron 15 estudios; entre los modelos más usados figuran Random Forest y SVM, con precisiones superiores al 85%, y se concluye la relevancia del enfoque para futuras investigaciones.

IdiomaSpanish

CategoríaInvestigación e Informes

FormatoPDF

Páginas14

Tiempo de lectura22 min

AccesoGratis para descargar

Tabla de contenidos

Resumen

Introducción

Contexto del problema y prevalencia

Limitaciones en tratamientos y bases neuropatológicas

Metodología PRISMA y repositorios de búsqueda

Revista Innovaci´on y Software Vol. 6, No. 2, Mes Septiembre-Febrero, 2025 ISSN: 2708-0935 P´ag. 258-271 [https://revistas.ulasalle.edu.pe/innosoft](https://revistas.ulasalle.edu.pe/innosoft) Esta obra est´a bajo una Licencia Creative Commons Atribuci´on 4.0 Internacional. Tipo de art´ıculo: Art´ıculos de revisi´on Tem´atica: Ingenier´ıa de software Recibido: 13/07/2025 | Aceptado: 30/08/2025 | Publicado: 30/09/2025 Identificadores persistentes: DOI: 10 .48168/innosoft .s24 .a309 ARK: ark:/42411/s24 .a309 PURL: 42411/s24/a309 Algoritmos de machine learning para la predicci´on de lademencia: Revisi´on sistem´atica Machine learning algorithms for dementia prediction: A systematic review Ricardo Dario Mendoza Rivera 1[0000-0001-8744-4736], Lecca Rengifo Maria Alexandra2[0009-0001-0898-1224], Guido Haro Marco Lucas3[0000-0003-1490-5479]* , Cruz Ulloa Leydi Marisol4[0009-0001-7924-1549], Huamanchumo Gordillo Alexander Saul5[0009-0008-7571-6245], Quispe Sanchez Edward Steven6[0009-0005-0770-2288] 1 Universidad Nacional de Trujillo. Trujillo, Per´[u.](u. rmendoza@unitru.edu.pe)[ rmendoza@unitru.edu.pe](u. rmendoza@unitru.edu.pe) 2 Universidad Nacional de Trujillo. Trujillo, Per´[u.](u. t1033300321@unitru.edu.pe)[ t1033300321@unitru.edu.pe](u. t1033300321@unitru.edu.pe) 3 Universidad Nacional de Trujillo. Trujillo, Per´[u.](u. mguido@unitru.edu.pe)[ mguido@unitru.edu.pe](u. mguido@unitru.edu.pe) 4 Universidad Nacional de Trujillo. Trujillo, Per´[u.](u. T1023300521@unitru.edu.pe)[ T1023300521@unitru.edu.pe](u. T1023300521@unitru.edu.pe) 5 Universidad Nacional de Trujillo. Trujillo, Per´[u.](u. t1033300121@unitru.edu.pe)[ t1033300121@unitru.edu.pe](u. t1033300121@unitru.edu.pe) 6 Universidad Nacional de Trujillo. Trujillo, Per´[u.](u. esquispes@unitru.edu.pe)[ esquispes@unitru.edu.pe](u. esquispes@unitru.edu.pe) ∗ Autor para correspondencia: [mguido@unitru.edu.pe](mguido@unitru.edu.pe) Resumen El trabajo a continuaci´on aborda la identificaci´on de los algoritmos usados en machine learning para la detecci´on temprana de demencia o da˜no cognitivo degenerativo, en la actualidad uno de los principales desaf´ıos cl´ınicosy socioecon´omicos de este siglo. Indica los algoritmos m´as relevantes en machine learning que con su alta confiabilidad y eficacia est´an ganando terreno en un mundo mucho m´as tecnol´ogico. La metodolog´ıa usada corresponde a las normativas de la declaraci´on PRISMA, utilizando repositorios de alta exigencia investigativa como SCOPUS, SCIELO, IEEE XPLORE, SAGE JOURNAL y GOOGLE ACADEMICO encontrando 15 trabajos que cumplian con todos los criterios establecidos. Los resultados de la revisi´on en estos trabajosencontraron muchas comparaciones por estudio acad´emico, entre los modelos m´as utilizados destacan Random Forest y SVM, los cuales han mostrado precisiones superiores al 85% en m´ultiples estudios. Las conclusionesafirman la relevancia de Machine Learning como herramienta tecnol´ogica en la detecci´on de demencia y sus variedades, indicando oportunidades para investigaciones futuras, particularmente en casos de estudio m´as espec´ıficos donde el uso de la tecnolog´ıa es indispensable para ayudar al ser humano. Palabras claves: Algoritmos, Demencia, Detecci´on, Machine Learning. Abstract The following work addresses the identification of algorithms used in machine learning for the early detection of dementia or degenerative cognitive impairment, currently one of the main clinical and socioeconomic challenges of this century. It indicates the most relevant machine learning algorithms that, with their high reliability and effectiveness, are gaining ground in a much more technological world. The methodology used corresponds to the PRISMA declaration standards, using highly demanding research repositories such as SCOPUS, SCIELO, Facultad de Ingenier´ıa Universidad La Salle, Arequipa, Per´u[facin.innosoft@ulasalle.edu.pe](facin.innosoft@ulasalle.edu.pe) 258 Rev

Preguntas frecuentes

Qué objetivo central tiene la revisión sobre demencia?

Identificar los algoritmos de machine learning empleados para la detección temprana de demencia o deterioro cognitivo degenerativo.

Cómo se realizó la búsqueda y selección de estudios?

La metodología sigue las normativas PRISMA y utiliza repositorios exigentes como SCOPUS, SCIELO, IEEE Xplore, SAGE Journal y Google Académico, seleccionando 15 trabajos que cumplían los criterios.

Cuáles modelos destacan y qué desempeño reportan?

Random Forest y SVM sobresalen como los más utilizados, mostrando precisiones superiores al 85% en múltiples estudios.

Aug 3, 2026

Subido por Valentina