Upload 3 files

app.py

@@ -0,0 +1,43 @@
+import pandas as pd
+import pickle
+import gradio as gr
+import sklearn
+
+# Cargar el modelo desde un archivo
+with open(r'C:\Users\rocio\OneDrive\Escritorio\Cuidados_Intensivos\Modelos_Machine_Learning\sepsis_model.pkl', 'rb') as archivo:
+    modelo = pickle.load(archivo)
+
+def predict_sepsis(ritmo_cardiaco, GCS, PAS):
+    """
+    Esta función clasifica si un paciente tiene sepsis o no en base a los valores
+    de sus signos vitales: ritmo cardíaco, GCS y PAS.
+    
+    Args:
+    - ritmo_cardiaco (float): Ritmo cardíaco del paciente.
+    - GCS (float): Escala de Coma de Glasgow (GCS, por sus siglas en inglés) del paciente.
+    - PAS (float): Presión arterial sistólica (PAS) del paciente.
+    
+    Returns:
+    - str: Cadena que indica si el paciente tiene sepsis ('Sí') o no ('No').
+    """
+    # Crear un DataFrame con los valores de los signos vitales
+    data = pd.DataFrame({"ritmo_cardiaco": [ritmo_cardiaco],
+                         "GCS": [GCS],
+                         "PAS": [PAS]})
+    
+    # Hacer la predicción de sepsis
+    pred = modelo.predict(data)[0]
+    
+    # Retornar la cadena correspondiente
+    if pred == 0:
+        return "Negativo"
+    else:
+        return "Positivo"
+
+# Crear la interfaz de Gradio
+inputs = [gr.inputs.Number(label="ritmo_cardiaco"),
+          gr.inputs.Number(label="GCS"),
+          gr.inputs.Number(label="PAS")]
+output = gr.outputs.Textbox(label="Sepsis")
+
+gr.Interface(fn=predict_sepsis, inputs=inputs, outputs=output).launch(share=True)

requirements.txt

@@ -0,0 +1,6 @@
+pandas
+numpy
+sklearn
+sklearn.tree
+sklearn.model_selection
+pickle

sepsis_model.pkl

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:65a65c206b2bc0d9ae4dd487221b93d020a464cfb4149178bfac83205d1c6ed1
+size 1526