El docente e investigador Jorge Antonio Orozco Torres, del Tecnológico Nacional de México, Campus Tuxtla Gutiérrez (TecNM/ITTG), desarrolló un proyecto de una red neuronal multicapa feed-forward para el diagnóstico de la hipertensión, basada en un estudio poblacional; trabajo por el cual logró la publicación de un artículo en una revista científica internacional.
Fue en el mes de julio del presente año, cuando la revista MDPI Sensors público el artículo científico denominado “Hypertension Diagnosis with Backpropagation Neural Networks for Sustainability in Public Health”, del docente e investigador adscrito al Departamento de Ingeniería Industrial del Tecnológico Nacional de México, Campus Tuxtla Gutiérrez.
Explicó que para el desarrollo de esta arquitectura tomaron en cuenta varios factores fisiológicos, que son vitales para determinar el riesgo de ser hipertenso, considerando que un sistema de diagnóstico puede ofrecer una solución que no es fácil de determinar por medios convencionales.
Resultados
Enfatizó que los resultados obtenidos demuestran la sostenibilidad de las condiciones de salud, los cuales afectan a la humanidad hoy en día como consecuencia del entorno social, por ejemplo: la economía, el estrés, el tabaquismo, el alcohol, la drogadicción, la obesidad, la diabetes, la inactividad física, entre otros que conducen a la hipertensión.
De acuerdo con la Universidad Nacional Autónoma de México (UNAM), la prevalencia de hipertensión arterial en los adultos mexicanos es de 49 %, y alrededor del 70 % de ellos no sabe que la padece; la Ensanut 2020 registra que 49.2 % de la población con vulnerabilidad socioeconómica tenía hipertensión arterial y solo 47.1 % fue diagnosticada.
El investigador señaló que analizaron a 350 alumnos, obteniendo la efectividad del 90 % de una población de 3 mil 500, a quienes tomaron el 10 % al azar y fue bastante confiable. Todo fue registrado en una base de Excel, “ahí el algoritmo se corre y en cuestión de segundos arroja quiénes tienen riesgo bajo, medio y alto de hipertensión”.
Orozco Torres agradeció la participación de diversas instituciones públicas y privadas, como el Tecnológico de Tuxtla Gutiérrez, Tecnológico de Río Verde, el Centro de Investigación, Desarrollo e Innovación Tecnológica de la Universidad de Ciencia y Tecnología, Instituto Nacional de Astrofísica, Óptica y Electrónica (Inaoe), Facultad de Ciencias de la Ingeniería y Tecnología de la Universidad Autónoma de Baja California.
