DISEÑO DE APP PARA DIAGNOSTICO DE AFECCIONES DE SALUD USANDO MACHINE LEARNING APP DESIGN FOR DIAGNOSING HEALTH CONDITIONS USING MACHINE LEARNING

Resumen

El presente artículo tuvo como objetivo diseñar una App para el diagnóstico
de afecciones de salud usando Machine Learning. En cuanto al aspecto
metodológico, el estudio se ubicó en el enfoque cuantitativo, con una
investigación descriptiva, de campo, proyecto factible que se apoyó en fuentes
documentales con soporte tecnológico. El instrumento empleado para la
recolección de los datos fue el cuestionario a diez (10) personas a través de
internet. El diseño de la App, está basado en Machine Learning para que
permita de manera rápida y eficaz a través de asistencia al diagnóstico de
alguna afección de salud de una persona interesada. Además, se propone
que sea una app intuitiva y fácil de usar, diseñada para guiar al usuario a
través de una serie de preguntas sobre sus síntomas y antecedentes médicos.
La información recopilada será procesada por un modelo de Machine Learning
para generar una hipótesis de diagnóstico diferencial, junto con
recomendaciones sobre los siguientes pasos a seguir. Por otra parte, la
herramienta es factible desde el punto de vista financiero. Con la
implementación de la herramienta la app busca agilizar el diagnóstico
preliminar al ofrecer una primera evaluación basada en síntomas, mejorar el
acceso a información de salud especialmente en zonas con servicios médicos
limitados, y aumentar la conciencia sobre la salud al educar a los usuarios.
Además, ayuda a optimizar recursos al reducir consultas no urgentes, aunque
es crucial entender que esta herramienta solo ofrecerá asistencia y orientación
inicial, nunca reemplazando el diagnóstico médico profesional.

Abstract
This article aimed to design an App for diagnosing health conditions using
Machine Learning. From a methodological perspective, the study adopted a
quantitative approach, with descriptive, field, and feasible project research
supported by technological documentary sources. The instrument used for
data collection was a questionnaire administered to ten (10) people via the
internet. The App's design is based on Machine Learning to quickly and
effectively assist in diagnosing a health condition for an interested person.
Furthermore, it is proposed to be an intuitive and easy-to-use app, designed
to guide the user through a series of questions about their symptoms and
medical history. The collected information will be processed by a Machine
Learning model to generate a differential diagnostic hypothesis, along with
recommendations on the next steps to take. Moreover, the tool is financially
feasible. With the implementation of the tool, the app seeks to streamline
preliminary diagnosis by offering a first symptom-based evaluation, improve
access to health information, especially in areas with limited medical services,
and increase health awareness by educating users. Additionally, it helps
optimize resources by reducing non-urgent consultations, although it is crucial
to understand that this tool will only offer initial assistance and guidance, never
replacing professional medical diagnosis.

CONCEPTION D'UNE APPLICATION POUR LE DIAGNOSTIC DE
PROBLÈMES DE SANTÉ UTILISANT L'APPRENTISSAGE

AUTOMATIQUE

Résumé
Cet article visait à concevoir une application pour le diagnostic des problèmes
de santé à l'aide de l'apprentissage automatique. Sur le plan méthodologique,
l'étude s'inscrit dans une approche quantitative, avec une recherche
descriptive, de terrain, projet réalisable soutenu par des sources
documentaires technologiques. L'instrument utilisé pour la collecte des
données était un questionnaire administré à dix (10) personnes via Internet. La
conception de l'application est basée sur l'apprentissage automatique pour
permettre une assistance rapide et efficace au diagnostic de tout problème de
santé d'une personne intéressée. En outre, il est proposé qu'il s'agisse d'une
application intuitive et facile à utiliser, conçue pour guider l'utilisateur à travers
une série de questions sur ses symptômes et ses antécédents médicaux. Les
informations recueillies seront traitées par un modèle d'apprentissage

automatique afin de générer une hypothèse de diagnostic différentiel,
accompagnée de recommandations sur les prochaines étapes à suivre.