Plataforma de clasificación de condiciones médicas

Una plataforma de machine learning que sugiere categorías probables de condición relacionadas con CIE-10 a partir de registros institucionales de salud. El modelo se entrenó con datos institucionales reales con desbalance de clases considerable y se desplegó en AWS detrás de un balanceador de carga con HTTPS. Aquí se presenta como una herramienta de apoyo a la decisión por ranking, que es lo que su precisión medida realmente sostiene.

Los registros institucionales de salud cargan una gran cantidad de categorías de condición, y su distribución es muy despareja: un puñado de categorías domina mientras una cola larga aparece pocas veces. Un clasificador entrenado con esos datos se verá competente en las métricas agregadas mientras es casi inútil justo en las categorías que más necesitan ayuda.

La pregunta de encuadre no era entonces '¿puede un modelo predecir la condición?' sino '¿existe una forma de predicción que de verdad sea usable por alguien que hace este trabajo?'.

La precisión top-1 es 29.26%. Por sí sola es un clasificador débil, y presentarla como otra cosa sería deshonesto.

Las cifras útiles son las de ranking: la categoría correcta está entre las tres primeras del modelo el 53.79% de las veces y entre las diez primeras el 88.76%. La distancia entre 29% y 89% es todo el hallazgo. Dice que el modelo aprendió muchísimo sobre qué categorías son plausibles para un registro dado, y comparativamente poco sobre cómo elegir entre las pocas que quedan.

Contra un espacio de etiquetas grande y muy desbalanceado, esa es la forma esperada. Una predicción única obliga al modelo a gastar su confianza en una decisión que los datos no sostienen; una lista corta ordenada corresponde con lo que realmente sabe.

Una herramienta que propone una categoría y se equivoca siete de cada diez veces será ignorada después de una semana. Una herramienta que reduce cientos de categorías a diez, y acierta unas nueve de cada diez veces en que la respuesta está en esa lista, elimina la mayor parte de la búsqueda y deja el juicio donde corresponde.

Ese reencuadre cambió lo que el sistema tenía que ser. No es un clasificador automatizado; es un generador de listas cortas cuyo trabajo es ser confiablemente incluyente en vez de ocasionalmente exacto.

Este es un proyecto académico. No ha sido validado clínicamente, no es un dispositivo médico, y no debe usarse para hacer o sustentar un diagnóstico.

Dos limitaciones importan más. El desbalance de clases significa que las categorías raras — muchas veces aquellas donde la asistencia sería más valiosa — son las que el modelo ha visto menos y predice peor; la precisión agregada esconde esto por completo. Y una lista corta crea su propio riesgo: una lista de aspecto plausible puede anclar a quien la lee hacia su contenido y alejarlo de una respuesta correcta que no está ahí.