Skip to content

Airam2W/GlucoPredict-AI

BranchesTags

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

53 Commits
BackEnd
BackEnd
 
 
FrontEnd
FrontEnd
 
 
.nojekyll
.nojekyll
 
 
README.md
README.md
 
 
index.html
index.html
 
 

Repository files navigation

GlucoPredict-AI

Plataforma Inteligente de Predicción de Riesgo de Diabetes Tipo 2

Estado del Proyecto Lenguajes Base de Datos

📋 Tabla de Contenidos

🎯 Descripción General

GlucoPredict-AI es una plataforma web integral y basada en inteligencia artificial diseñada para la predicción y monitoreo del riesgo de desarrollo de Diabetes Tipo 2. La aplicación combina análisis clínicos especializados, recomendaciones médicas personalizadas e interfaces intuitivas para profesionales de la salud y usuarios particulares.

La plataforma implementa un sistema experto con reglas basadas en conocimiento médico, permitiendo evaluaciones precisas de riesgo mediante algoritmos que consideran múltiples factores de riesgo cardiovasculares y metabólicos. Los resultados incluyen explicaciones médicas, recomendaciones personalizadas y simuladores interactivos que permiten explorar escenarios futuros.

Propósito Clínico

GlucoPredict-AI fue desarrollada como herramienta preventiva para:

  • Identificar individuos con alto riesgo de diabetes tipo 2
  • Proporcionar recomendaciones basadas en evidencia para modificación de estilos de vida
  • Facilitar el monitoreo longitudinal de pacientes en clínicas
  • Educación sanitaria y conciencia sobre factores de riesgo
  • Apoyo en la toma de decisiones clínicas

✨ Características Principales

1. Sistema de Predicción Inteligente

  • Cálculo del porcentaje de riesgo de diabetes tipo 2 basado en inteligencia artificial
  • Análisis de múltiples factores de riesgo (antropométricos, metabólicos, genéticos y de estilo de vida)
  • Explicaciones médicas detalladas fundamentadas en criterios clínicos
  • Recomendaciones personalizadas con análisis de impacto potencial

2. Gestión Médica Profesional

  • Módulo de Clínicas: Creación y administración completa de clínicas médicas
  • Gestión de Pacientes: Registro, seguimiento y análisis de historiales clínicos
  • Dashboard de Médicos: Panel de control especializado para profesionales de la salud
  • Historial Clínico Digital: Almacenamiento seguro de datos clínicos del paciente

3. Monitoreo Personal

  • Perfiles Personales: Creación de múltiples perfiles para automonitoreo
  • Simulador de Riesgo: Herramienta interactiva para visualizar impacto de cambios en variables de riesgo
  • Análisis Temporal: Gráficas de evolución del riesgo, IMC y glucosa en el tiempo
  • Historial de Predicciones: Registro cronológico de todas las evaluaciones

4. Análisis de Impacto

  • Simulación de escenarios a 4, 8 y 12 semanas
  • Visualización gráfica de tendencias de riesgo
  • Análisis de impacto de recomendaciones específicas
  • Interpretación automática de resultados

5. Seguridad y Autenticación

  • Autenticación mediante Google y correo electrónico
  • Sistema de guardias de autenticación en rutas protegidas
  • Gestión de sesiones seguras con Firebase Authentication
  • Protección de datos sensibles de pacientes

6. Modelo de Negocio Flexible

  • Plan Gratuito: 1 clínica, 3 pacientes, 3 perfiles personales
  • Plan de Pago (Premium): Acceso ilimitado a clínicas, pacientes y perfiles
  • Control de restricciones por tipo de usuario
  • Interfaz integrada de pago

🏗️ Arquitectura del Sistema

Arquitectura General

┌─────────────────────────────────────────────────────────────────┐
│                        GlucoPredict-AI                          │
├─────────────────────────────────────────────────────────────────┤
│                                                                   │
│  ┌──────────────────────────────────────────────────────────┐   │
│  │                     FRONTEND (HTML/CSS/JS)              │   │
│  │  - Interfaz de Usuario Responsiva                       │   │
│  │  - Validación de Formularios en Tiempo Real             │   │
│  │  - Gráficas Interactivas (Chart.js)                     │   │
│  │  - Gestión de Estado de Sesión                          │   │
│  └──────────────────────────────────────────────────────────┘   │
│                                                                   │
│  ┌──────────────────────────────────────────────────────────┐   │
│  │                   BACKEND (JavaScript/Python)           │   │
│  │  ┌────────────────────────────────────────────────────┐  │   │
│  │  │  Módulo de Lógica (JavaScript)                    │  │   │
│  │  │  - CRUD Operations                                │  │   │
│  │  │  - Gestión de Historiales                         │  │   │
│  │  │  - Integración Firebase                           │  │   │
│  │  └────────────────────────────────────────────────────┘  │   │
│  │  ┌────────────────────────────────────────────────────┐  │   │
│  │  │  Motor de Predicción (Python/API)                 │  │   │
│  │  │  - Sistema Experto                                │  │   │
│  │  │  - Cálculo de Riesgo                              │  │   │
│  │  │  - Generación de Recomendaciones                  │  │   │
│  │  │  - Explicaciones Médicas                          │  │   │
│  │  │  - Endpoint: /api/predict                         │  │   │
│  │  └────────────────────────────────────────────────────┘  │   │
│  └──────────────────────────────────────────────────────────┘   │
│                                                                   │
│  ┌──────────────────────────────────────────────────────────┐   │
│  │              BASE DE DATOS (Firebase Firestore)          │   │
│  │  Estructura:                                             │   │
│  │  /users/{uid}/                                           │   │
│  │    ├── clinicas/{clinicaId}/                             │   │
│  │    │   └── pacientes/{pacienteId}/                       │   │
│  │    │       ├── historial_clinico/actual                  │   │
│  │    │       └── predicciones/                             │   │
│  │    ├── perfiles/{perfilId}/                              │   │
│  │    │   ├── historial_clinico/actual                      │   │
│  │    │   └── predicciones/                                 │   │
│  │    └── información_de_usuario                            │   │
│  └──────────────────────────────────────────────────────────┘   │
│                                                                   │
│  ┌──────────────────────────────────────────────────────────┐   │
│  │        AUTENTICACIÓN Y AUTORIZACIÓN (Firebase Auth)      │   │
│  │  - Google OAuth 2.0                                      │   │
│  │  - Email/Password                                        │   │
│  │  - Gestión de Sesiones                                   │   │
│  └──────────────────────────────────────────────────────────┘   │
│                                                                   │
└─────────────────────────────────────────────────────────────────┘

Flujo de Datos para Predicción

Usuario Ingresa Datos Clínicos
         ↓
Validación en Formulario (Frontend)
         ↓
Envío a Backend (JavaScript)
         ↓
Llamada a API de Predicción (Python)
         ↓
Sistema Experto Procesa Información
         ↓
Generación de:
  • Porcentaje de Riesgo
  • Explicaciones Médicas
  • Recomendaciones Personalizadas
  • Análisis de Impacto
         ↓
Almacenamiento en Firestore
         ↓
Visualización con Gráficas y Tablas

📋 Requisitos Previos

Hardware

  • Computadora con procesador moderno
  • Mínimo 4 GB de RAM
  • Conexión a Internet estable
  • Navegador web moderno (Chrome, Firefox, Safari, Edge)

Software

  • Node.js (v14 o superior)
  • Python (v3.8 o superior)
  • pip (gestor de paquetes de Python)
  • Git (para control de versiones)

Credenciales Externas

🛠️ Instalación

1. Clonar el Repositorio

git clone https://github.com/tu-usuario/GlucoPredict-AI.git
cd GlucoPredict-AI

2. Configurar Frontend

# No es necesario instalar dependencias NPM adicionales para el frontend
# (se utilizan librerías CDN)
# Solo asegúrate de tener un servidor HTTP

3. Instalar Dependencias del Backend

Dependencias Python

pip install flask
pip install flask-cors
pip install pytesseract
pip install Pillow
pip install pdfplumber

Dependencias JavaScript

npm install firebase

4. Configurar Variables de Entorno

Crea un archivo .env en la raíz del proyecto:

FIREBASE_API_KEY=AIzaSyATJaR9NoVzk6EwpSxm9OG3bajhcY23Y4M
FIREBASE_AUTH_DOMAIN=glucopredict-ai.firebaseapp.com
FIREBASE_PROJECT_ID=glucopredict-ai
FIREBASE_STORAGE_BUCKET=glucopredict-ai.appspot.com
FIREBASE_MESSAGING_SENDER_ID=5344131264
FIREBASE_APP_ID=1:5344131264:web:a98c148676c4173cdad525

API_URL=https://expertsystem-glucopredict-ai.onrender.com

5. Ejecutar la Aplicación

Servidor Frontend

# Usando Python 3
python -m http.server 8000

# O usando http-server de Node
npx http-server -p 8000

Accede a http://localhost:8000 en tu navegador.

📖 Guía de Uso

Primer Acceso

  1. Accede a la página de inicio de GlucoPredict-AI
  2. Haz clic en "Registrarse" o "Continuar con Google"
  3. Completa el registro con tu correo electrónico y contraseña
  4. Serás redirigido al panel principal

Panel Principal

El panel principal ofrece dos opciones:

🏥 Módulo de Clínicas

Para médicos y profesionales de la salud:

  • Crear y administrar clínicas
  • Registrar pacientes
  • Acceder a historiales clínicos
  • Realizar predicciones de riesgo
  • Generar reportes

👤 Módulo de Perfiles Personales

Para usuarios individuales:

  • Crear múltiples perfiles personales
  • Automonitoreo de riesgo
  • Acceso al simulador
  • Análisis de evolución

Flujo Típico de Uso

1. Inicia Sesión / Regístrate
        ↓
2. Selecciona Módulo (Clínicas o Perfiles)
        ↓
3. Para Clínicas:
   - Crear Clínica → Agregar Paciente → Ingresar Historial Clínico
   - O Para Perfiles:
   - Crear Perfil → Ingresar Datos Personales
        ↓
4. Sistema Calcula Predicción
        ↓
5. Visualiza Resultados y Recomendaciones
        ↓
6. (Opcional) Usa Simulador para Explorar Escenarios

👥 Roles de Usuario

1. Usuario Gratuito (GRATIS)

  • Límites:
    • Máximo 1 clínica
    • Máximo 3 pacientes por clínica
    • Máximo 3 perfiles personales
  • Acceso:
    • Predicciones básicas
    • Visualización de resultados
    • Simulador limitado
  • Restricción: Botón "Actualizar a Versión de Pago" visible

2. Usuario Premium (PAGA)

  • Límites: Ilimitados
    • Clínicas sin límite
    • Pacientes sin límite
    • Perfiles personales sin límite
  • Acceso:
    • Todas las funcionalidades
    • Prioridad en procesamiento
    • Sin restricciones operacionales

3. Médico/Profesional de la Salud

  • Acceso al módulo de clínicas
  • Capacidad de gestionar múltiples pacientes
  • Acceso a historiales clínicos completos
  • Generación de reportes

🔧 Funcionalidades Detalladas

A. Módulo de Predicción

Variables de Entrada

El sistema analiza los siguientes parámetros clínicos:

Variable Rango Unidad Descripción
Nombre completo Texto - Identificador del paciente
Edad 0-120 años Edad del individuo
Sexo M/F/O - Sexo biológico
IMC 10-80 kg/m² Índice de Masa Corporal
Glucosa en ayunas 40-600 mg/dL Nivel de glucosa en sangre en ayunas
Presión arterial sistólica 70-250 mmHg Presión arterial sistólica
Antecedentes familiares Sí/No - Historial de diabetes en familia
Hipertensión previa Sí/No - Diagnóstico previo de hipertensión
Actividad física 3 niveles - Sedentario, Moderado, Activo
Consumo de alcohol 3 niveles - No, Ocasional, Frecuente

Salida del Sistema

El sistema retorna:

  1. Porcentaje de Riesgo: Probabilidad de desarrollar diabetes tipo 2 (0-100%)

  2. Explicaciones Médicas:

    • Justificación clínica del riesgo
    • Factores dominantes en el cálculo
    • Referencia a criterios diagnósticos

  3. Recomendaciones Personalizadas:

    • Modificaciones en estilo de vida
    • Recomendaciones nutricionales
    • Programas de ejercicio
    • Monitoreo adicional

  4. Análisis de Impacto:

    • Impacto potencial de cada recomendación
    • Reducción estimada de riesgo

B. Módulo de Simulación

Características

  • Tiempo de Simulación: 4, 8 o 12 semanas
  • Variables Modificables: Selección de recomendaciones a aplicar
  • Gráficas Interactivas:
    • Evolución del riesgo de diabetes
    • Cambios en IMC
    • Variación de glucosa en sangre
  • Interpretación Automática: Categorización de resultados

Categorías de Riesgo

  • Bajo: 0-25%
  • Moderado: 25-50%
  • Alto: 50-75%
  • Muy Alto: 75-100%

C. Gestión de Historiales Clínicos

Fuentes de Datos

  1. Entrada Manual: Formularios validados
  2. Carga de PDF: OCR y extracción automática de datos
  3. Importación de Datos: Carga desde registros existentes

Validaciones

  • Campos obligatorios completos
  • Rangos de valores dentro de límites clínicos
  • Coherencia entre datos relacionados
  • Alerta si datos están fuera de rango normal

D. Generación de Reportes

Datos Incluidos

  • Información del paciente
  • Historial clínico completo
  • Resultados de predicción
  • Recomendaciones médicas
  • Gráficas de evolución
  • Fecha y hora del reporte

Formato

  • PDF: Reporte descargable y imprimible

💳 Modelo de Precios

Plan Gratuito

Característica Cantidad
Clínicas 1
Pacientes por clínica 3
Perfiles personales 3
Predicciones Ilimitadas
Simulador Acceso completo
Soporte Básico
Costo Gratuito

Plan Premium (de Pago)

Característica Cantidad
Clínicas Ilimitadas
Pacientes por clínica Ilimitados
Perfiles personales Ilimitados
Predicciones Ilimitadas
Simulador Acceso completo
Soporte Prioritario
Reportes avanzados Sí
Costo A definir

Acceso a Pago

La plataforma incluye interfaz de pago integrada en paga.html con validación de datos de tarjeta (formato básico para desarrollo).

📂 Estructura del Proyecto

GlucoPredict-AI/
│
├── README.md                          # Este archivo
│
├── FrontEnd/
│   ├── HTML/
│   │   ├── index.html                # Página de inicio
│   │   ├── panel_principal.html       # Panel principal del usuario
│   │   ├── medico_dashboard.html      # Dashboard de médicos
│   │   ├── persona_dashboard.html     # Dashboard de perfiles personales
│   │   ├── clinica.html               # Gestión de clínicas
│   │   ├── paciente.html              # Perfil del paciente
│   │   ├── perfil_persona.html        # Perfil personal
│   │   ├── historial_clinico.html     # Ingreso de historial clínico
│   │   ├── simulador.html             # Simulador de riesgo
│   │   ├── agregar_clinica.html       # Formulario agregar clínica
│   │   ├── agregar_paciente.html      # Formulario agregar paciente
│   │   ├── agregar_perfil.html        # Formulario agregar perfil
│   │   ├── paga.html                  # Página de pago
│   │   ├── registro.html              # Página de registro
│   │   └── ...otros HTML...
│   │
│   ├── CSS/
│   │   ├── base.css                   # Estilos base de la aplicación
│   │   ├── index.css                  # Estilos de la página de inicio
│   │   ├── panel_principal.css        # Estilos del panel principal
│   │   ├── historial_clinico.css      # Estilos del historial clínico
│   │   ├── simulador.css              # Estilos del simulador
│   │   ├── medico_dashboard.css       # Estilos del dashboard médico
│   │   ├── paciente.css               # Estilos del perfil del paciente
│   │   ├── perfil_persona.css         # Estilos del perfil personal
│   │   ├── paga.css                   # Estilos de la página de pago
│   │   ├── registro.css               # Estilos de registro
│   │   └── ...otros CSS...
│   │
│   └── img/
│       ├── logo.png                   # Logo principal
│       ├── logosolo.png               # Logo sin fondo
│       └── ...otros assets...
│
├── BackEnd/
│   ├── requirements.txt               # Dependencias de Python y NPM
│   │
│   ├── JS/
│   │   ├── configurationFirebase.js   # Configuración de Firebase
│   │   ├── prediccion.js              # Lógica de predicción (llamadas API)
│   │   ├── simulador.js               # Lógica del simulador
│   │   ├── medico_dashboard.js        # Lógica del dashboard médico
│   │   ├── persona_dashboard.js       # Lógica del dashboard personal
│   │   ├── clinica.js                 # Lógica de gestión de clínicas
│   │   ├── paciente.js                # Lógica del perfil del paciente
│   │   ├── perfil_persona.js          # Lógica del perfil personal
│   │   ├── historial_clinico.js       # Lógica del historial clínico
│   │   ├── panel_principal.js         # Lógica del panel principal
│   │   ├── inicio_sesion.js           # Lógica de autenticación
│   │   ├── registro.js                # Lógica de registro
│   │   ├── auth-guard.js              # Protección de rutas
│   │   ├── licencia-guard.js          # Validación de licencia
│   │   ├── formValidation.js          # Validación de formularios
│   │   ├── crud_helpers.js            # Funciones CRUD auxiliares
│   │   ├── restriccionesLicencia.js     # Restricciones por licencia
│   │   └── ...otros JS...
│   │
│   └── api/
│       ├── app.py                     # Aplicación Flask principal
│       ├── predictor.py               # Sistema experto de predicción
│       ├── rules_engine.py            # Motor de reglas
│       └── ...otros módulos...

└── index.html                         # Página de inicio principal

🛠️ Tecnologías Utilizadas

Frontend

Tecnología Versión Propósito
HTML5 - Estructura de la aplicación
CSS3 - Estilos y diseño responsivo
JavaScript (Vanilla) ES6+ Lógica de aplicación cliente
Chart.js 3.x Gráficas interactivas
Firebase SDK 10.7.1 Autenticación y base de datos

Backend

Tecnología Versión Propósito
Python 3.8+ Lógica de predicción y procesamiento
Flask Latest Framework web
Flask-CORS Latest Manejo de CORS
PyTesseract Latest OCR para extracción de PDF
Pillow Latest Procesamiento de imágenes
PDFPlumber Latest Extracción de texto de PDF
Node.js 14+ Runtime de JavaScript

Infraestructura y Servicios

Servicio Propósito
Firebase Autenticación, Firestore (base de datos), hosting
Google OAuth 2.0 Autenticación social
Render.com Hosting del servidor Python de predicción

APIs Externas

  • Google Auth API: Autenticación
  • Firebase Authentication: Gestión de sesiones
  • Firestore REST API: Acceso a datos

🔐 Configuración de Firebase

Pasos de Configuración

  1. Crear Proyecto en Firebase Console

  2. Habilitar Autenticación

    • Authentication → Sign-in method
    • Habilitar "Email/Password"
    • Habilitar "Google"

  3. Configurar Firestore Database

    • Cloud Firestore → Create database
    • Inicia en modo de prueba (para desarrollo)
    • Define reglas de seguridad apropiadas

  4. Actualizar Configuración en el Código

    • Edita BackEnd/JS/configurationFirebase.js
    • Reemplaza las credenciales con las tuyas

Estructura de Firestore

firestore-root
└── users/{uid}
    ├── tipo: "GRATIS" | "PAGA"
    ├── correo: "email@example.com"
    ├── nombre: "Nombre del usuario"
    │
    ├── clinicas/{clinicaId}
    │   ├── nombre: "Nombre Clínica"
    │   ├── direccion: "Dirección"
    │   ├── telefono: "Teléfono"
    │   ├── correo: "correo@clinica.com"
    │   ├── responsable: "Nombre Responsable"
    │   ├── especialidad: "Especialidad"
    │   ├── horario: "Horario de atención"
    │   │
    │   └── pacientes/{pacienteId}
    │       ├── nombre: "Nombre Paciente"
    │       ├── edad: 45
    │       ├── sexo: "Masculino"
    │       ├── peso: 85
    │       ├── altura: 1.75
    │       ├── telefono: "Teléfono"
    │       ├── correo: "correo@email.com"
    │       ├── contacto_emergencia: "Contacto"
    │       ├── tipo_sangre: "O+"
    │       ├── observaciones: "Observaciones"
    │       │
    │       ├── historial_clinico/actual
    │       │   ├── nombre: "Juan Ramírez"
    │       │   ├── edad: 52
    │       │   ├── sexo: "Masculino"
    │       │   ├── antecedentes_familiares: true
    │       │   ├── hipertension_previa: true
    │       │   ├── actividad_fisica: "Sedentario"
    │       │   ├── consumo_alcohol: "Ocasional"
    │       │   ├── imc: 32.6
    │       │   ├── glucosa_ayunas: 132
    │       │   ├── presion_arterial: "145/92"
    │       │   └── fecha: timestamp
    │       │
    │       └── predicciones/{prediccionId}
    │           ├── porcentaje_riesgo: 78.5
    │           ├── explicacion_medica: [...]
    │           ├── explicacion_general: [...]
    │           ├── recomendaciones: [...]
    │           ├── recomendaciones_con_impacto: [...]
    │           └── fecha: timestamp
    │
    └── perfiles/{perfilId}
        ├── nombre: "Nombre Perfil"
        ├── edad: 45
        ├── sexo: "Masculino"
        │
        ├── historial_clinico/actual
        │   └── [misma estructura que pacientes]
        │
        └── predicciones/{prediccionId}
            └── [misma estructura que pacientes]

🚀 Estado del Desarrollo

✅ Funcionalidades Implementadas

  • Sistema de autenticación (Email/Password + Google OAuth)
  • Panel principal de usuario
  • Gestión de clínicas (CRUD)
  • Gestión de pacientes (CRUD)
  • Gestión de perfiles personales (CRUD)
  • Ingreso de historiales clínicos
  • Motor de predicción de riesgo
  • Cálculo y visualización de resultados
  • Explicaciones médicas
  • Recomendaciones personalizadas
  • Simulador de evolución del riesgo
  • Gráficas interactivas
  • Sistema de control de acceso por tipo de usuario
  • Formularios con validación
  • Interfaz de pago (mock)

🟡 Funcionalidades en Desarrollo

  • Mejoras de responsividad en simulador
  • Mejoras de diseño de interfaces
  • Validaciones mejoradas con mensajes de error
  • Funcionalidad de edición completa de registros
  • Gráficas adicionales de análisis
  • Mejora del simulador con más parámetros
  • Mejora del OCR para extracción de PDF
  • Sistema de reglas más exacto y profesional

🔴 Funcionalidades Planeadas

  • Integración de gráficas avanzadas
  • Dashboard ejecutivo de clínicas
  • Reportes en PDF descargables
  • Análisis estadístico de cohortes
  • Integración con sistemas EMR externos
  • API REST pública
  • Aplicación móvil nativa
  • Machine Learning para mejora de predicciones
  • Integración con calendario médico
  • Sistema de notificaciones

📈 Roadmap Futuro

Fase 1: Mejoras Inmediatas (1-2 meses)

  • Pulir interfaz de usuario
  • Completar validaciones de formularios
  • Mejorar responsividad móvil
  • Documentación completa del usuario

Fase 2: Funcionalidades Avanzadas (3-4 meses)

  • Reportes avanzados en PDF
  • Dashboard ejecutivo
  • Análisis estadístico mejorado
  • Sistema de reglas de predicción mejorado

Fase 3: Expansión (5-6 meses)

  • API REST pública para integraciones
  • Aplicación móvil
  • Integración con sistemas externos
  • Soporte multiidioma

Fase 4: ML y IA Avanzada (7+ meses)

  • Machine Learning para personalización
  • Predicción mejorada con históricos
  • Análisis predictivo de evolución
  • Recomendaciones asistidas por IA

🤝 Contribuciones

Se aceptan contribuciones al proyecto. Para contribuir:

  1. Fork el repositorio
  2. Crea una rama para tu característica (git checkout -b feature/AmazingFeature)
  3. Commit tus cambios (git commit -m 'Add some AmazingFeature')
  4. Push a la rama (git push origin feature/AmazingFeature)
  5. Abre un Pull Request

Guías de Contribución

  • Sigue los estándares de código existentes
  • Documenta cambios significativos
  • Incluye pruebas para nuevas funcionalidades
  • Actualiza la documentación según corresponda

📄 Licencia

Este proyecto está bajo licencia [MIT/LICENSE - A definir]. Ver archivo LICENSE para más detalles.

📞 Soporte y Contacto

Para soporte, reportar bugs o sugerencias:

⚠️ Aviso Legal y Médico

IMPORTANTE: GlucoPredict-AI es una herramienta de apoyo preventivo y educativa.

  • NO sustituye la consulta médica profesional
  • NO es un diagnóstico médico
  • NO reemplaza evaluaciones clínicas presenciales
  • Los resultados son estimaciones basadas en modelos matemáticos
  • Consulta siempre con un profesional de la salud antes de tomar decisiones médicas

📊 Estadísticas del Proyecto

  • Archivos HTML: 13
  • Archivos CSS: 15
  • Archivos JavaScript: 18
  • Total de Líneas de Código: ~10,000+
  • Módulos Funcionales: 8
  • Base de Datos: Cloud Firestore
  • Usuarios Objetivo: Médicos, Pacientes, Profesionales de la Salud

🎓 Contexto Académico

GlucoPredict-AI fue desarrollado como proyecto de investigación en el contexto de Taller de Investigación II en una institución educativa, con énfasis en:

  • Sistemas expertos aplicados a la salud
  • Inteligencia artificial para predicción de enfermedades
  • Desarrollo full-stack de aplicaciones web
  • Prácticas de ingeniería de software
  • Salud digital y eSalud

🙏 Agradecimientos

  • A los docentes y asesores del proyecto
  • A la comunidad de desarrolladores de código abierto
  • A Firebase por la infraestructura
  • A los profesionales médicos que contribuyeron con criterios clínicos

📝 Changelog

Versión Actual (En Desarrollo)

  • Implementación de todas las características base
  • Integración completa con Firebase
  • Sistema de predicción operativo
  • Panel de usuario funcional

Versiones Futuras

  • Mejoras de UI/UX
  • Optimizaciones de rendimiento
  • Nuevas funcionalidades

✨ Características Destacadas

Interfaz Intuitiva

Diseño limpio y responsivo optimizado para desktop y dispositivos móviles.

Seguridad Robusta

Autenticación segura mediante Firebase y Google OAuth 2.0.

Análisis Avanzado

Sistema experto de predicción basado en múltiples variables clínicas.

Datos Privados

Todos los datos de pacientes se almacenan de forma segura en Firestore.

Escalable

Arquitectura preparada para crecer con nuevas funcionalidades.

Última actualización: Abril de 2026

Versión: Beta 1.0

Estado: En Desarrollo Activo

GlucoPredict-AI - Predicción Inteligente de Riesgo de Diabetes Tipo 2

About

Plataforma de IA para predicción de riesgo de Diabetes Tipo 2. Sistema experto con análisis clínico, recomendaciones personalizadas y simulador interactivo. Firebase + Python + JavaScript.

airam2w.github.io/GlucoPredict-AI/

Topics

javascript python machine-learning firebase ai web-application healthcare diabetes predictive-analytics health-tech preventive-medicine medical-prediction system-expert

Resources

Readme
Activity

Stars

0 stars

Watchers

0 watching

Forks

0 forks
Report repository

Releases

No releases published

Packages

 
 
 

Contributors

Languages