Proyecto educativo hecho por:
Este proyecto implementa un modelo de Machine Learning supervisado de clasificación que permite predecir la probabilidad de un accidente cerebrovascular (stroke) a partir de un formulario con datos personales o a partir de una imágenes de resonancia magnética del paciente.
- Dataset inicial
- Dataset secundario para implementar data augmentation y tratamiento de datos desbalanceados
- Dataset de imágenes
Al analizar el dataset inicial notamos un problema importante: los datos estaban fuertemente desbalanceados. Específicamente, había 4.733 casos sin ictus frente a solo 248 con ictus, lo que representa un serio obstáculo para entrenar un modelo fiable.
Debido al desbalanceo del dataset original, sabíamos que el modelo podría tener dificultades para identificar correctamente los casos positivos (ictus), lo que en un contexto de salud podría tener consecuencias graves. En situaciones como esta, es preferible que el modelo dé falsos positivos antes que falle al detectar un caso real de ictus.
Por eso, decidimos incorporar datos adicionales de un segundo dataset, asegurándonos de que tuviera al menos las mismas columnas para facilitar la integración. Sin embargo, al combinar ambos conjuntos, el desbalanceo seguía siendo un problema. Para solucionarlo, optamos por añadir únicamente las instancias donde stroke = 1 del segundo dataset, incrementando así el número total de casos positivos.
Con esta estrategia pasamos de tener 248 casos positivos a 783 casos de ictus, mejorando significativamente el equilibrio entre clases. Esto nos proporciona una base más sólida para entrenar un modelo con mejor capacidad predictiva, especialmente en la detección de casos positivos.
Para ello, hicimos un análisis exploratorio de datos completo que se puede ver paso a paso en la rama feature/EDA donde cada integrante del equipo estudió y analizó el dataset, y finalmente pudimos verificar y considerar un análisis de datos final que lo llamamos EDA.ipyb .
Para el encontrar el mejor modelo y las mejores métricas, seguimos el mismo paso en la rama feature/model donde cada integrante estudió y propuso el mejor modelo encontrado. Finalmente elegimos el modelo RandomForest + RandomUnderSampler llamado model.pkl con un accuracy de 77%.
Además, como un paso extra y de nivel avanzado, pudimos entrenar un modelo de red neuronal (CNN) con PyTorch llamado cnn_pytorch.pth, para realizar las predicciones mediante las imágenes, con un accuracy del 93% y un overfitting menor que 2%.
Se puede encontrar el entrenamiento final de los 2 modelos en la carpeta model/.
Note
Las ramas feature/model, feature/EDA no se han mergeado completamente en la rama main, sino sólo los archivos necesarios y el informe técnico encontrarás en la carpeta model/.
Puedes ver un video demo haciendo click aquí
La aplicación está compuesta por un backend desarrollado con FastAPI y un frontend construido con React utilizando Vite como herramienta de construcción. Ambos servicios están desplegados en Render, dockerizados y sus respectivas imágenes han sido publicadas en Docker Hub, lo que facilita su despliegue en cualquier entorno compatible con Docker.
- Imagen Frontend:
docker push allaharuty/ictus-frontend:latest - Imágen Backend:
docker push allaharuty/ictus-backend:latest
Descarga y entra en el repositorio:
git clone https://github.com/alharuty/Proyecto-IX-DS2.gitcd Proyecto-IX-DS2Paso 1: Descarga los archivos necesarios
Navega a https://github.com/alharuty/Proyecto-IX-DS2/releases, descarga los archivos model.pkl y cnn_pytorch.pth y ubícalos en la carpeta data/.
Paso 2: Crea un entorno virtual y actívalo
python3 -m venv .venvsource .venv/bin/activatePaso 3: Descargar las dependencias necesarias
pip install -r requirements.txtPaso 4: Ubica los archivos de las variables de entorno que te hemos proporcionado en sus respectivas carpetas:
- Proyecto-IX-DS2/.env
- Proyecto-IX-DS2/client/.env.development
- Proyecto-IX-DS2/client/.env.production
Paso 5: Pon en marcha el backend
uvicorn fast_api.main:app --reloadPaso 6: Pon en marcha el frontend
cd clientnpm installnpm run devPaso 7: Abre el navegador y prueba la aplicación en la siguiente ruta
127.0.0.1:5173Paso 1: Asegúrate de tener el Docker Desktop abierto
Paso 2: Pon en marcha el compose.yml
docker-compose up --buildPaso 3: Abre el navegador y prueba la aplicación en la siguiente ruta
127.0.0.1:5173Tenemos 11 test divididos en 5 archivos diferentes que comprueban el buen funcionamiento de toda la aplicación. Para probarlo sitúate en la raíz del directorio, activa el entorno vitual y corre el siguiente comando:
pytest
Note
Los tests pasan SOLO si está el backend levantado, ya que uno de ellos comprueba que el backend funcione correctamente. Por lo que usa el comando uvicorn fast_api.main:app --reload para levantar el backend antes de correr los tests.
Note
Además de los tests, hemos integrad logs por todo el backend para tener una trazabilidad de los pasos que se llevan. Estos logs se guardan en logs/logs.log, mostrando la hora, el tipo de nivel y la información sobre esta.
PowerPoint usado en la presentación del proyecto
Link a Deepwiki del repositorio
Hemos conseguido terminar este proyecto con la metodología scrum y un reparto de roles:
- Alla como Scrum Master y desarrolladora Backend con FastApi
- Omar como desarrollador Frontend con React
- Max como Ingeniero de Datos e Ingeniero de Machine Learning CNN
- César como Ingeniero de Machine Learning RandomForest
Aunque los roles estaban bien definidos, uno de los aspectos más valiosos del proyecto ha sido la colaboración transversal. El análisis de datos ha sido un esfuerzo compartido por todo el equipo, permitiéndonos tener una comprensión profunda del conjunto de datos, identificar variables relevantes, realizar limpieza y preprocesamiento, y definir las estrategias de modelado más adecuadas.