Visualizaciones de datos para el análisis de bacterias coexistentes en modelos de clustering de pacientes con Vaginosis Bacteriana

Abstract

Las visualizaciones de datos y el aprendizaje automático son dos áreas de las ciencias de la computación en las que existe una convergencia en el análisis y entendimiento de los conjuntos de datos. Esta convergencia permite la comprensión completa y multidimensional de un fenómeno, con el propósito de abordar interrogantes complejas desde diferentes perspectivas. El objetivo de este artículo es describir y mostrar el uso de visualizaciones sobre modelos de clustering para derivar contextos de coexistencia bacteriana en grupos subyacentes de pacientes con un diagnóstico de Vaginosis Bacteriana (VB) positivo. Para este fin, se empleó un modelo previamente desarrollado de clustering jerárquico aglomerativo en el cual se utilizó un conjunto de datos de VB. En conclusión, nuestras evidencias demuestran que las visualizaciones de datos son efectivas para identificar patrones relevantes de coexistencia bacteriana en grupos de pacientes con VB-Positivo. Esto revela relaciones significativas entre distintas bacterias en grupos específicos, en los cuales es posible distinguir la presencia de varios tipos de Lactobacillus, tales como Jensenii, Crispatus, LGasseri, Liner y bacterias anaeróbicas tales como Atopobium, Gardnerella, Megasphaera y Mycoplasma. Estos hallazgos destacan la utilidad de las visualizaciones de datos para comprender e identificar los contextos de coexistencia bacteriana en esta condición médica.