Modela progresión de diabetes para una aseguradora en Ciudad de México
Visión general
De qué trata este proyecto.
Recibes histórico anonimizado de 80.000 asegurados con HbA1c, IMC, glucosa en ayunas, edad y comorbilidades en hasta 5 visitas. Construye dos modelos: (a) clasificador binario sobre features agregadas, (b) modelo de supervivencia (Cox o random survival forest) que también prediga tiempo a progresión. Compara AUC, C-index y calibración. Identifica los 1.000 asegurados de mayor riesgo y caracteriza su perfil. Éxito: C-index ≥0.72 y caracterización clínicamente plausible del top-1.000.
El Briefing
Lo que harás y lo que demostrarás.
Predecir progresión a diabetes a 36 meses con C-index ≥0.72 y caracterizar el top-1.000 de mayor riesgo para programa de prevención.
Earning criteria — what you'll demonstrate
- Aplicar análisis de supervivencia a datos clínicos longitudinales
- Distinguir clasificación binaria de supervivencia en contexto clínico
- Caracterizar cohortes de alto riesgo con interpretación clínica
- Recomendar acciones de programa con criterios cuantitativos
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Científico/a de IA Aplicada
Modelos de progresión y caracterización de cohortes es el proyecto típico de IA aplicada en aseguradoras.
Este proyecto afina
- disease-progression
- longitudinal-data
- survival-analysis
Científico de Datos
Análisis de supervivencia + caracterización es trabajo cotidiano de data science en salud.
Este proyecto afina
- survival-analysis
- model-evaluation
- longitudinal-data
Investigador/a de Machine Learning
Métodos de supervivencia con random forest son área activa de research aplicada en salud.
Este proyecto afina
- survival-analysis
- disease-progression
- model-evaluation