Machine learning in medicine: mortality prediction on cardiac surgeries in Colombia

Abstract

El aprendizaje automático ha encontrado una amplia aplicación en el campo de la medicina. Los diferentes métodos están diseñados para complementar la toma de decisiones humanas, proporcionar información y ayudar en tareas médicas. En este caso se explicarán las predicciones sobre dos problemas retadores: predicción de mortalidad en cirugías cardiovasculares y una base de datos para la predicción de los modos de locomoción en escaleras usando sensores IMU.

We address the problem of mortality prediction in cardiovascular surgery patients using preoperative features with the Colombian population in South America. We have a database with a total of 4337 medical histories where 6% corresponds to mortality. An optimized gradient boosting algorithm (XGBoost) was implemented with custom random split datasets and used Monte Carlo cross-validation with them. The results obtained show a F1 of 19% due to the imbalance showing the challenge of the problem and gives the community a first approach to the work in this area.