Artigo - Editora Artemis

Artigo

Baixe agora

Livros

COMPARACIÓN DE ARQUITECTURAS DE APRENDIZAJE PROFUNDO GENERADAS POR IA (COPILOT VS. DEEPSEEK) EN LA CLASIFICACIÓN DEL CONJUNTO DE DATOS PIMA INDIANS DIABETES

La Diabetes Mellitus Tipo 2 (DM2) es una enfermedad crónica que afecta a millones de personas en el mundo, su diagnóstico temprano es crucial para prevenir complicaciones. Existe la necesidad de desarrollar sistemas que apoyen el diagnóstico a tiempo de esta enfermedad. En este trabajo se propone evaluar los modelos de aprendizaje profundo que es posible generar a través de una herramienta de Inteligencia Artificial (IA), se estableció utilizar plataformas que permiten su uso gratuito (Copilot y DeepSeek), y para el estudio se emplea el conjunto de datos Pima Indians Diabetes, un conjunto que se cita en cualquier trabajo de aprendizaje de máquina que involucra la DM2. El objetivo es determinar cuál propuesta algorítmica ofrece mayor precisión, robustez y generalización. Con la evidencia empírica obtenida, un desarrollador justifica el uso de dichas arquitecturas en el desarrollo de aplicaciones médicas que requieren implementar el diagnóstico preliminar de pacientes con riesgo de DM2. Se evaluaron arquitecturas de redes neuronales profundas, generadas a partir de diferentes frases que contextualizan los requerimientos en el prompt de las herramientas de IA; los resultados obtenidos indican que las arquitecturas logran obtener una precisión en el mejor de los casos superior al 89%, mientras que la sensibilidad superó el 91% en otro de los modelos. Los resultados demuestran que DeepSeek puede ser una herramienta más eficaz para desarrollar modelos que permitan la creación de aplicaciones para el diagnóstico médico.

Ler mais

COMPARACIÓN DE ARQUITECTURAS DE APRENDIZAJE PROFUNDO GENERADAS POR IA (COPILOT VS. DEEPSEEK) EN LA CLASIFICACIÓN DEL CONJUNTO DE DATOS PIMA INDIANS DIABETES

  • DOI: 10.37572/EdArt_0912257655

  • Palavras-chave: IA en salud; LLMs; DeepSeek; Copilot; Redes Neuronales Convolucionales; Diabetes Mellitus tipo 2.

  • Keywords: AI in health; LLMs; DeepSeek; Copilot; Convolutional Neural Networks; Type 2 Diabetes Mellitus.

  • Abstract:

    Type 2 Diabetes Mellitus (DM2) is a chronic disease affecting millions of people worldwide, and its early diagnosis is crucial for preventing complications. There is a need to develop systems that support the timely diagnosis of this disease. This work proposes to evaluate deep learning models that can be generated using an Artificial Intelligence (AI) tool. Platforms that allow free use (Copilot and DeepSeek) were used, and the study employed the Pima Indians Diabetes dataset, a dataset cited in any machine learning work involving DM2. The objective is to determine which algorithmic approach offers greater accuracy, robustness, and generalizability. Using the empirical evidence obtained, a developer justifies the use of these architectures in the development of medical applications that require the preliminary diagnosis of patients at risk of type 2 diabetes. Deep neural network architectures, generated from different phrases that contextualize the requirements in the AI ​​tool prompt, were evaluated. The results indicate that the architectures achieve an accuracy exceeding 89% in the best-case scenario, while sensitivity surpassed 91% in another model. These results demonstrate that DeepSeek can be a more effective tool for developing models that enable the creation of medical diagnostic applications.

  • Número de páginas: 18

  • MOISES GARCIA VILLANUEVA
  • SALVADOR RAMIREZ ZAVALA