Desarrollo de una Herramienta para Estimar Macronutrientes en Leche Materna Basado en Aprendizaje de Máquina

Resumen

Este estudio se enfoca en el desarrollo de un sistema basado en Machine Learning para estimar la composicion de macronutrientes en leche materna, dirigiéndose a hospitales con limitación de recursos. La leche materna es esencial para la nutrición neonatal, y su composición varía de acuerdo a las diferentes fases de lactancia. Sin embargo, la falta de equipo especializado en medición de estos nutrientes que podrían impactar negativamente en la nutrición personalizada, especialmente en infantes prematuros o nacidos con pesos bajos. Los datos fueron recolectados de 333 muestras, incluyendo variables como grados Dornic, pH, y niveles macronutrimentales. Se implementan varios modelos de regresión como, regresión lineal, regresión Ridge, regresión Lasso, ElasticNet, árboles de decisión, bosques aleatorios y XGBoost, y mediante validación cruzada, identificar el modelo más efectivo. Asimismo, se desarrolla una interfaz gráfica creada con PyQt5, la cual permite entrada y visualización clara de resultados, facilitando el uso por el personal médico, incluyendo un sistema de recomendación básico para identificar al tipo de paciente al que se estima brindar esa leche. A pesar de algunas limitaciones, como la mayor accesibilidad y la incorporación de datos adicionales, el sistema de atención neonatal promete mejorar la nutrición en clínicas con recursos limitados.