Aplicación de un modelo de mezclas de kernel en mediciones de registros vocales para el seguimiento de la enfermedad de Parkinson

En este trabajo propone un modelo Support Vector Regression (SVR) basado en una combinación de funciones kernel. El objetivo es explicar una medida usada para observar la progresión de la enfermedad de Parkinson utilizando un conjunto de covariables obtenidas de señales de la voz. Como hallazgos, hemos detectado distintas relaciones no lineales inferidas de las características a la respuesta, así como una mejora significativa en las métricas de rendimiento cuando se compara con otros procedimientos. Además, con el conocimiento de factores como la edad y el sexo, ha sido posible describir la evolución de los pacientes a partir de los datos disponibles. En resumen, estos avances podrían ser útiles para la formulación de procesos de aprendizaje y sistemas inteligentes, como biomarcadores, que puedan ayudar al diagnóstico oportuno y seguimiento cercano de este padecimiento.