Chatbot pediátrico para la orientación sobre apendicitis aguda basado en NLP y modelos de clasificación supervisada

Abstract

Esta investigación demuestra la viabilidad de utilizar un Chatbot Pediátrico para asesorar a padres de familias sobre una enfermedad común en niños: Apendicitis Aguda. Este sistema utiliza técnicas de Natural Language Processing (también conocido en español como Procesamiento de Lenguaje Natural o por sus siglas en inglés NLP), que mediante un modelo de Naive Bayes clasifica en intenciones los mensajes enviados por el usuario. También se utiliza un modelo de Random Forest, para poder brindar un prediagnóstico sobre si un menor tiene altas sospechas de padecer esta enfermedad o no y según el resultado brinda recomendaciones/orientaciones a los padres. El prediagnóstico ha obtenido más del 95% de precisión a nivel de clasificación de un niño enfermo. Por el otro lado, la precisión del modelo de clasificación de intenciones fue 80%, por lo que su aprendizaje debería ser continuo ya que todos tenemos diferentes formas de expresarnos.