RISI 9(1), 23 - 33 (2012) REVISTA DE INVESTIGACIÓN DE SISTEMAS E INFORMÁTICA FACULTAD DE INGENIERIA DE SISTEMAS E INFORMÁTICA ISSN 1815-0268 (VERSIÓN IMPRESA) UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS ISSN 1816-3823 (VERSIÓN ELECTRÓNICA) Diseño de un algoritmo genético para generar conocimiento presuntivo del síndrome metabólico Desing of a genetic algorithm to generate knowledge presumptive of the syndrome metabolic David Mauricio Sánchez, Luis Guerra, Rosa Delgadillo, Percy De la Cruz, Virginia Vera Universidad Nacional Mayor de San Marcos Facultad de Ingeniería de Sistemas e Informática dms_research@yahoo.com RESUMEN Recientes estudios de la World Health Organization [24] muestran que existen actualmente en el mundo 220 millones de personas con diabetes y que dicho número debe duplicarse para el 2030, de este número aproximadamente el 90% de pacientes tienen alta probabilidad de tener síndrome metabólico [10], siendo este último un síndrome cuyo protocolo de diagnóstico y tratamiento aún no es un estándar para las diversas instituciones internacionales que estudian dicho síndrome, por lo que se hace necesario el uso de técnicas no convencionales para su investigación. Una técnica no convencional e incipiente pero que está presentando buenos resultados en el diagnóstico de algunas patologías en medicina humana es machine learning [16, 2], sin embargo, a la fecha no existe su aplicación para el síndrome metabólico.En el presente trabajo se introduce un machine learning para generar conocimiento para el diagnóstico del síndrome metabólico, a través de una propuesta de algoritmo genético. La generación de conocimiento es realizado a fin de optimizar la tasa de verdaderos y falsos positivos, además, se introduce una representación cromosómica del conocimiento, y los operadores genéticos de crossover y mutation. Palabras clave: Síndrome metabólico, aprendizaje automático, algoritmo genético, descubrimiento de conocimiento. ABSTRACT Recent studies by the World Health Organization [24] shows that currently exist in the world 220 million people with diabetes and that number is going to double by 2030, of this number approxima- tely 90% of patients have a high probability of having metabolic syndrome [10], being this syndrome whose diagnosis and treatment protocol is not yet a standard for international institutions who study this syndrome, so it is necessary to use unconventional techniques for its research. One unconven- tional technique and emerging, but is presenting good results in the diagnosis of certain diseases in human medicine is machine learning [15, 2], however, to the date there is not its application for metabolic syndrome. In this work is introducing a machine learning to create knowledge for the diagnosis of metabolic syndrome, through a proposed genetic algorithm. Knowledge generation is performed so as to optimize the rate of true and false positives, in addition, to introduce a chromo- somal representation of the knowledge and genetic operators of crossover and mutation. Keywords: Metabolic syndrome, machine learning, genetic algorithm, knowledge discovery.