Aplicación de métodos de aprendizaje automático para el estudio del análisis de supervivencia en pacientes infectados por el VIH
El análisis de supervivencia tiene como objetivo analizar y modelar datos donde el resultado es el tiempo hasta que ocurre un evento de interés. Uno de los principales desafíos en este contexto es la presencia de instancias cuyos resultados de eventos se vuelven inobservables después de un cierto mo...
| Autor: | |
|---|---|
| Formato: | tesis de maestría |
| Fecha de publicación: | 2020 |
| País: | España |
| Recursos: | Universitat Oberta de Catalunya (UOC) |
| Repositorio: | O2, repositorio institucional de la UOC |
| OAI Identifier: | oai:openaccess.uoc.edu:10609/120826 |
| Acesso em linha: | http://hdl.handle.net/10609/120826 |
| Access Level: | acceso abierto |
| Palavra-chave: | vih/sida aprendizaje automático análisis de supervivencia hiv/aids machine learning survival analysis aprenentatge automàtic anàlisi de supervivència Bioinformatics -- TFM Bioinformàtica -- TFM Bioinformática -- TFM |
| Resumo: | El análisis de supervivencia tiene como objetivo analizar y modelar datos donde el resultado es el tiempo hasta que ocurre un evento de interés. Uno de los principales desafíos en este contexto es la presencia de instancias cuyos resultados de eventos se vuelven inobservables después de un cierto momento, sea porque no se hace un seguimiento suficientemente largo o porque no presentaran el evento estudiado (llamado censura). Actualmente se están desarrollando muchos algoritmos de aprendizaje automático adaptados para analizar datos censurados. Así pues, se define como objetivo del TFM estudiar los métodos existentes de aprendizaje automático en el contexto descrito, buscar el/los métodos/s más adecuado/s para estudiar el tiempo hasta fracaso al tratamiento antirretroviral en una cohorte de pacientes infectados por el VIH. Este proyecto busca crear herramientas de descripción que permitan resumir la información que contienen los datos y generar un modelo que nos ayude a clasificar a los pacientes según la distribución del tiempo hasta el fracaso virológico. Para ello, se tiene la base de datos 'dsurv' del estudio 'Instinct', que contiene 342 variables de 995 pacientes que han sido seguidos y evaluados en diferentes momentos de tiempo, dando lugar a una base desbalanceada y heterogénea. En la memoria analizaremos cómo el tipo de tratamiento que recibe el paciente y la realización de las pruebas de mutaciones en la integrasa, la proteasa y la transcriptasa inversa pueden influir en el fracaso virológico, o en el aumento de la probabilidad de supervivencia a lo largo del tiempo. |
|---|