leuss1224/TheGoodDoctor_Models

The Good Doctor — Deep Learning Models

Modelos de Inteligencia Artificial para Diagnóstico Clínico y Detección de Sepsis

Colección de modelos de Machine Learning y Deep Learning orientados a clasificación clínica multiclase, detección temprana de Sepsis y análisis predictivo médico utilizando pipelines progresivos y arquitecturas neuronales multicapa.

---

Objetivo del Proyecto

Desarrollar modelos capaces de:

• Detectar Sepsis tempranamente
• Reducir falsos negativos clínicos
• Clasificar múltiples condiciones médicas
• Manejar datasets altamente desbalanceados
• Simular razonamiento médico mediante pipelines jerárquicos

---

Stack Tecnológico

Componente	Tecnología
Framework	TensorFlow / Keras
Lenguaje	Python
Plataforma	Google Colab
Librerías	scikit-learn, pandas, numpy

---

Arquitectura General

DeepLearning/
│
├── v1/
├── v2/
├── v3/
├── v4/
├── v5/
└── v6/

---

Evolución de Modelos

Versión	Arquitectura	Objetivo
v1	Baseline ML	Benchmark inicial
v2	Random Forest + SMOTE	Mejorar Recall
v3	MLP Básico	Migración a Deep Learning
v4	MLP Multiclase	Clasificación médica completa
v5	Two-Stage Pipeline	Detección especializada de Sepsis
v6	Two-Stage Optimizado	Robustez clínica y Feature Engineering

---

v1 — Baseline Machine Learning

Objetivo

Establecer una línea base utilizando algoritmos clásicos de Machine Learning.

Modelos Utilizados

• DummyClassifier
• Logistic Regression
• Random Forest

Problemas Detectados

• Recall de Sepsis extremadamente bajo
• Accuracy engañosa debido al desbalance
• Alta tasa de falsos negativos clínicos

---

v2 — Random Forest + SMOTE

Objetivo

Combatir el desbalance de clases mediante oversampling sintético.

Técnica Implementada

SMOTE

Synthetic Minority Oversampling Technique.

Generación de muestras sintéticas para clases minoritarias utilizando interpolación entre vecinos cercanos.

---

Beneficios

• Incremento importante del Recall
• Mejor representación de casos críticos
• Mayor sensibilidad clínica

Limitaciones

• Riesgo de overfitting
• Datos sintéticos artificiales
• F1 Macro todavía limitado

---

v3 — MLP Básico

Objetivo

Introducir Deep Learning en el pipeline clínico.

Arquitectura

Multilayer Perceptron basado en:

• Dense Layers
• ReLU
• Dropout
• Softmax

---

Características

Componente	Función
Dense Layers	Aprendizaje no lineal
ReLU	Activación eficiente
Dropout	Regularización
Softmax	Clasificación multiclase

---

v4 — MLP Multiclase

Objetivo

Clasificación simultánea de múltiples condiciones médicas.

Clases Clínicas

• Normal
• Heart Failure
• Pneumonia
• Sepsis

---

Problema Principal

El modelo presentaba dificultades para detectar Sepsis debido al desbalance extremo entre clases.

Hallazgos

• Recall insuficiente
• Muchos False Negatives
• Riesgo clínico elevado

---

v5 — Two-Stage Pipeline

Innovación Principal

Separación arquitectónica del problema clínico.

---

Stage 1 — Clasificador Binario

Objetivo

Detectar únicamente:

• Sepsis
• No-Sepsis

Ventaja

Especialización completa en detección de pacientes críticos.

---

Stage 2 — Clasificador Multiclase

Objetivo

Clasificar pacientes no-Sepsis entre:

• Normal
• Heart Failure
• Pneumonia

---

Beneficios del Pipeline

Beneficio	Impacto
Especialización binaria	Mayor Recall
Menor complejidad por etapa	Mejor estabilidad
Threshold ajustable	Mayor sensibilidad clínica
Menos FN críticos	Mejor seguridad médica

---

Problema Detectado en v5

Una feature derivada presentaba una desviación estándar incorrecta (~3.235), afectando severamente el rendimiento del Stage 1.

Esto provocaba:

• AUC cercano al azar
• Exceso de falsos positivos
• Mala calibración clínica

---

v6 — Two-Stage Optimizado

Mejora Principal

Corrección completa del pipeline de Feature Engineering.

---

Features Derivadas

Feature	Descripción
pulse_pressure	Diferencia presión sistólica-diastólica
map_approx	Presión Arterial Media
log_creatinine_glucose	Riesgo metabólico/renal
organ_risk_score_v6	Riesgo orgánico compuesto

---

Mejoras Implementadas

• Corrección matemática de features
• RobustScaler para variables derivadas
• Mejor calibración clínica
• Mayor estabilidad del Stage 1

---

Arquitectura Neuronal

Estructura MLP

Capa	Configuración
Input	n_features
Dense 1	128 + ReLU
Dense 2	64 + ReLU
Dense 3	32 + ReLU
Output	Softmax

---

Técnicas de Regularización

• Batch Normalization
• Dropout
• EarlyStopping
• Class Weights

---

Balanceo de Clases

Técnicas Utilizadas

Técnica	Función
SMOTE	Oversampling sintético
Class Weights	Penalización diferencial
Two-Stage Pipeline	Balanceo estructural

---

Pipeline de Preprocesamiento

Componentes

• Limpieza de datos
• Eliminación de duplicados
• Label Encoding
• StandardScaler
• RobustScaler
• Feature Engineering clínico

---

Métricas Clínicas

Métrica	Importancia
Recall Sepsis	Métrica principal
F1 Sepsis	Balance clínico
F1 Macro	Rendimiento general
Balanced Accuracy	Robustez
FN Sepsis	Riesgo clínico real

---

Filosofía Clínica del Proyecto

En contexto médico:

Un falso positivo genera una alarma innecesaria. Un falso negativo puede costar una vida.

Por ello, el sistema prioriza Recall de Sepsis sobre Accuracy global.

---

DeepLearning v2 (En Desarrollo)

Segunda generación completa del sistema clínico.

---

Objetivos de v2

• Mejorar interpretabilidad médica
• Reducir FN críticos
• Incorporar arquitecturas modernas
• Optimizar inferencia clínica
• Preparar despliegue productivo

---

Tecnologías Planeadas

Área	Tecnología
Arquitecturas	TabNet / Transformers
Interpretabilidad	SHAP / LIME
Serving	FastAPI
Deployment	Docker
Optimización	ONNX

---

Futuro del Proyecto

Objetivos futuros:

• Sistemas de soporte clínico
• Diagnóstico asistido por IA
• Integración hospitalaria
• Dashboards médicos
• Monitoreo en tiempo real

---

Licencia

Proyecto desarrollado con fines educativos, investigación y experimentación en inteligencia artificial aplicada a salud.