Identificación de patrones de recurrencia en atenciones médicas de baja complejidad mediante aprendizaje no supervisa

[sandovaljda]

Autores:
- Danny Rojas Granda
- Daniel Sandoval Juárez
- Ariana Coello Vilcherrez
- Buddy Guzman Castilla
- Himbher Lazo Saavedra

Resumen:
Este estudio aplica técnicas de aprendizaje automático no supervisado para identificar patrones de recurrencia en atenciones médicas, a partir del análisis de datos históricos de pacientes en la región de Loreto, incluyendo a Madre de Dios, Perú. Se busca determinar si ciertas especialidades médicas —frecuentemente visitadas por pacientes con características similares— corresponden a casos de baja complejidad que podrían ser gestionados mediante plataformas digitales. El objetivo es proponer alternativas tecnológicas que descongestionen los servicios presenciales, permitiendo al sistema de salud focalizar sus recursos en atenciones de mayor complejidad. Se utilizaron variables como edad, sexo, peso, talla, frecuencia de atención, especialidad y motivo de consulta. Algoritmos como K-means y DBSCAN permitieron segmentar a los pacientes según sus patrones de atención.