Resumen:
En el presente trabajo se desarrolló un sistema de predicción de diagnósticos médicos en base a notas clínicas de los pacientes, aplicando técnicas y modelos de aprendizaje automático, con el objetivo de precisar la toma de decisiones mediante técnicas de análisis de datos, donde se utilizó una metodología de desarrollo de software ágil Scrum. El alcance del proyecto es llegar a construir un modelo y un sistema de predicción de diagnósticos que se ajuste a los pocos recursos lingüísticos médicos existentes en idioma español, pero que logre un desempeño competitivo o superior a los publicados en el estado del arte, por lo cual se aplicó buenas prácticas en el ciclo de desarrollo y se implementó el sistema con frameworks y arquitecturas actuales. Para el proyecto se usó un algoritmo que convierte el texto de las notas médicas en un archivo xml que es el primer paso para la construcción del sistema, los datos utilizados y convertidos al formato correspondiente se encuentran dentro de la página de huggingface como un conjunto de datos públicos. Para el entrenamiento del modelo se utilizó una librería de Python llamada sklearn, para colocar las etiquetas a las entidades médicas. También se utilizó paperspace el cual es un entorno que nos otorga gpu y cpu el cual fue utilizado para la implementación del dataset.
