Predicción del Riesgo de Diabetes Tipo 2 — Proyecto de Certificación KNIME (BEDU)

El objetivo fue construir un modelo de clasificación para predecir el riesgo de desarrollar diabetes tipo 2 utilizando flujos de trabajo en KNIME Analytics Platform.

Objetivos del Proyecto:

• Detectar de forma temprana a personas en riesgo de diabetes tipo 2.
• Aplicar técnicas de aprendizaje automático supervisado (clasificación binaria).
• Diseñar un flujo de trabajo completo en KNIME: limpieza, transformación, modelado y visualización.
• Utilizar herramientas de evaluación para validar el rendimiento del modelo.

Descripción del Conjunto de Datos:

El dataset contiene variables clínicas, demográficas y de estilo de vida relevantes, como:

• Edad, IMC, niveles de glucosa e insulina.
• Actividad física, tabaquismo, hábitos dietéticos.
• Salud pancreática, tolerancia a la glucosa.
• Datos de embarazo y antecedentes familiares.

La variable objetivo riesgo_diabetes se generó mediante el nodo Rule Engine, considerando:

$niveles_glucosa$ ≥ 140 → 1 $tolerancia_glucosa$ = "Abnormal" → 1 Caso contrario → 0

Flujo de Trabajo Implementado en KNIME

• Limpieza y Transformación
• Column Rename (Regex): Normalización de nombres
• Missing Value / Column Filter: Manejo de valores nulos y columnas irrelevantes
• Normalizer: Escalado de variables numéricas.

Modelado

• Partitioning (70/30): Estratificación por riesgo.
• Tree Ensemble Learner (Random Forest): Modelo robusto para clasificación binaria
• Tree Ensemble Predictor: Aplicación del modelo al set de prueba.

Evaluación y Visualización

• Scorer: Evaluación del modelo (accuracy, recall).
• Scatter Plot: IMC vs Niveles de Insulina.
• Bar Chart: Comparación de variables clave según la predicción.

Resultados y Conclusiones

• El modelo predijo correctamente la mayoría de los casos de riesgo.
• Las variables con mayor impacto: niveles de glucosa, IMC, insulina y edad
• Las visualizaciones reforzaron los hallazgos del modelo y facilitan la interpretación clínica.

Habilidades Desarrolladas

• Flujo completo de Machine Learning en KNIME.
• Clasificación supervisada (Tree Ensemble).
• Transformación y limpieza de datos sin programación.
• Evaluación de modelos y visualización efectiva.
• Interpretación de resultados clínicos y presentación visual.

Herramientas Utilizadas

• KNIME Analytics Platform

Componentes principales:

• Rule Engine
• Partitioning
• Tree Ensemble Learner
• Predictor
• Scorer
• Scatter Plot
• Bar Chart
• Normalizer

Este proyecto evidencia el uso práctico de KNIME para resolver problemas de clasificación médica, aplicando lógica clínica y flujos estructurados de aprendizaje automático sin escribir código.