Glucosa e Insulina de la PTOG para Clasificar Sujetos con S´ ındrome Metab´ olico Usando K -means Miguel Altuve Facultad de Ingenier´ ıa Electr´ onica Universidad Pontificia Bolivariana Bucaramanga, Colombia Tel´ efono: +57(7)679 62 20 Ext 203 Email: miguel.altuve@upb.edu.co Erika Severeyn Grupo de Bioingenier´ ıa y Biof´ ısica Aplicada Universidad Sim´ on Bol´ ıvar Caracas, Venezuela Tel´ efono: +58 212 906 40 14 Email: severeynerika@usb.ve Sara Wong Investigador Prometeo, DEET Universidad de Cuenca Cuenca, Ecuador Email: swong@usb.ve Resumen—En este trabajo se realiza un aprendizaje no supervisado usando el algoritmo de agrupamiento K-means para realizar una clasificaci´ on de 15 sujetos diagnosticados con s´ ındrome metab´ olico de acuerdo a sus valores de HOMA–IR y de glucosa e insulina, obtenidos de la prueba de tolerancia oral a la glucosa de cinco muestras. Estos sujetos fueron diagnosticados previamente como resistentes a la insulina o no, usando el ´ ındice de HOMA–IR con un punto de corte de 2,5. El objetivo de este trabajo es observar en estos sujetos si la clasificaci´ on no supervisada tiene una relaci´ on con la resistencia a la insulina. Los resultados obtenidos sugieren la utilizaci´ on de un punto de corte mucho mayor del HOMA–IR para diagnosticar el s´ ındrome metab´ olico y el uso de varias variables para realizar un diagn´ ostico m´ as certero. Palabras clave—K-means, aprendizaje no supervisado, resis- tencia a la insulina, s´ ındrome metab´ olico. I. I NTRODUCCI ´ ON La obesidad, el s´ ındrome metab ´ olico, la diabetes y la hipertensi ´ on son enfermedades relacionadas con el estilo de vida que se han convertido en un problema social y de salud p ´ ublica, especialmente en las ciudades modernas [1]. Consumir comida chatarra, la inactividad f´ ısica y llevar un estilo de vida estresante son factores que contribuyen al desarrollo de estas enfermedades [2]. Una condici ´ on asociada con la obesidad, la prediabetes y la inactividad f´ ısica es la resistencia a la insulina [3], en la que la insulina producida por el cuerpo no es utilizada eficazmente por las c ´ elulas, increment ´ andose la secreci ´ on de insulina para mantener la normoglicemia y la homeostasis de los l´ ıpidos. El diagn ´ ostico precoz de la resistencia a la insulina es de vital importancia para prevenir la diabetes y sus complicaciones; adoptar un estilo de vida saludable es fundamental para evitar el desarrollo y la progresi´ on de la enfermedad [4]. El clamp hiperinsulin ´ emico-eugluc ´ emico [5] es el est ´ andar de oro para evaluar la insulinorresistencia, sin embargo el modelo de evaluaci ´ on homeost ´ atica para determinar la resistencia a la insulina (HOMA–IR, por sus siglas en ingl ´ es homeostasis model assessment-estimated insulin resistance)[6] es mucho m´ as conveniente ya que es menos invasivo, a pesar de sus limitaciones de precisi ´ on [7]. Entre las limitaciones del ´ ındice HOMA–IR se pueden encontrar: i) su incapacidad de detectar la insulinorresistencia en sus estadios iniciales ya que las alteraciones de la insulina y la glucosa sangu´ ınea en ayuno se manifiestan cuando las disfunciones metab ´ olicas ya est ´ an presente en el organismo, ii) la alta sensibilidad en pacientes que ya presentan insulinorresistencia pero no en pacientes diab ´ eticos con disfunci ´ on beta pancre ´ atica [8], y iii) la falta de un rango de referencia para el diagn ´ ostico de la insulinorresistencia (un valor de 2,5 es ampliamente utilizado para la estimaci ´ on de la resistencia a la insulina pero otros valores de corte han sido propuestos para poblaciones espec´ ıficas [9]). Tener en cuenta las variables antropom´ etricas al momento de evaluar la sensibilidad a la insulina, podr´ ıa ayudar en el diagn ´ ostico precoz de la resistencia a la insulina [10]. Varios factores, como el ´ ındice de masa corporal (IMC), la edad, la presi ´ on arterial diast ´ olica, colesterol HDL y LDL, y el ´ ındice HOMA–IR, han sido empleados para predecir la incidencia de de a ˜ nos del s´ ındrome metab ´ olico en una muestra masculina japonesa [11]. Adem´ as, utilizando m´ aquinas de soporte vectorial y regresi ´ on log´ ıstica Bayesiana, el IMC, el ´ ındice cintura/cadera, la glucosa en ayuno, los l´ ıpidos plasm´ aticos, las enzimas hep ´ aticas y la hipertensi ´ on son factores asociados con un elevado ´ ındice HOMA–IR en una muestra hispana adulta [9]. El presente trabajo representa la continuaci ´ on de estos traba- jos previos, pero se centra en la clasificaci ´ on no supervisada de pacientes con s´ ındrome metab ´ olico utilizando la informaci ´ on proporcionada por diez variables cuantitativas (cinco variables de insulina y cinco variables de glucosa) obtenidas de la prueba de tolerancia oral a la glucosa (PTOG). El objetivo es investigar si, utilizando los datos cl´ ınicos de insulina y glucosa en sangre, el agrupamiento autom´ atico obtenido con el algoritmo K-means est ´ a asociado a la resistencia a la insulina de los individuos, lo que pudiera conducir a una mejor comprensi ´ on de esta enfermedad. El resto del art´ ıculo est ´ a organizado de la siguiente manera. En la siguiente secci ´ on se describen la metodolog´ ıa empleada para hacer el aprendizaje no supervisado usando el algoritmo de agrupamiento K-means y los datos de glucosa e insulina empleados en la estrategia de clasificaci ´ on. Luego se presentan y se analizan los resultados de la clasificaci ´ on obtenidos. Finalmente, las conclusiones del trabajo se detallan en la ´ ultima