Análisis exploratorio para la caracterización de la adicción a la cocaína a través del aprendizaje computacional

Abstract

Resumen. Las adicciones son trastornos neuro-psiquiátricos con serias repercusiones en la salud. En México, la cocaína es la segunda droga más usada después de la marihuana. Sin embargo, su uso conlleva a mayor adicción, síndrome de abstinencia y psicopatología. Este estudio tiene como objetivo seleccionar, usando aprendizaje computacional, las variables más representativas de entre las variables demográficas, cognitivas y de impulsividad para predecir la adicción a la cocaína con nuevas muestras. Para lograrlo, se obtuvieron datos de 39 pacientes con adicción a la cocaína y 23 controles sanos. A partir de esto, se obtuvo un 88.24% de exactitud de clasificación, usando el método de selección Relief con tan sólo 28 predictores; mientras que usando todos los descriptores iniciales (61 características) el rendimiento obtenido es bajo. Nuestros resultados sugieren que la selección de un subconjunto características es muy importante, no sólo para reducir el cómputo durante el entrenamiento de los métodos, sino también para obtener resultados de clasificación de adicción a cocaína mejores que los obtenidos al utilizar el conjunto completo de características.