Interpretable Survival Analysis for High-Dimensional and Multi-Block data
[ES] El panorama médico actual se define por el crecimiento exponencial de los datos, desde los registros clínicos digitalizados hasta la secuenciación ómica de alta resolución. Si bien esta información promete revolucionar nuestra comprensión de las enfermedades, su vasto volumen introduce barreras...
| Autor: | |
|---|---|
| Tipo de documento: | tese |
| Data de publicação: | 2025 |
| País: | España |
| Recursos: | Universitat Politècnica de València (UPV) |
| Repositório: | RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia |
| Idioma: | inglês |
| OAI Identifier: | oai:riunet.upv.es:10251/231767 |
| Acesso em linha: | https://riunet.upv.es/handle/10251/231767 |
| Access Level: | Acceso aberto |
| Palavra-chave: | Survival analysis Multiblock High dimensional PLS 03.- Garantizar una vida saludable y promover el bienestar para todos y todas en todas las edades 04.- Garantizar una educación de calidad inclusiva y equitativa, y promover las oportunidades de aprendizaje permanente para todos 09.- Desarrollar infraestructuras resilientes, promover la industrialización inclusiva y sostenible, y fomentar la innovación |
| Resumo: | [ES] El panorama médico actual se define por el crecimiento exponencial de los datos, desde los registros clínicos digitalizados hasta la secuenciación ómica de alta resolución. Si bien esta información promete revolucionar nuestra comprensión de las enfermedades, su vasto volumen introduce barreras analíticas y metodológicas significativas. Mi investigación comenzó a través de la participación en la Iniciativa E-Yellow Submarine, una colaboración europea centrada en la mortalidad por COVID-19 y las diferencias de supervivencia basadas en el sexo. El desafío inmediato no fue la falta de datos, sino la heterogeneidad de los mismos: los hospitales participantes albergaban datos clínicos invaluables, pero sus conjuntos de datos estaban aislados por formatos incompatibles, métodos heterogéneos de adquisición de variables y poblaciones de pacientes diferentes. Para superar este obstáculo, la primera contribución de esta tesis fue el desarrollo de ATHAR, una herramienta semiautomática diseñada específicamente para estandarizar, unificar y explorar metódicamente estos flujos de datos dispares en una única base de datos armonizada y analizable. Aunque exitoso, este paso inicial de armonización expuso de inmediato una profunda barrera analítica. Específicamente, la inclusión de un único conjunto de datos de alta dimensionalidad (AD) en la colaboración reveló las limitaciones metodológicas fundamentales del análisis de supervivencia tradicional. Los marcos clásicos, como el modelo Cox, demostraron ser inestables y propensos al sobreajuste al enfrentarse a la naturaleza de datos de AD. Esta brecha y la necesidad de herramientas que gestionen la complejidad estadística al tiempo que ofrecen una clara interpretabilidad biológica motivaron directamente la segunda contribución principal de esta tesis: Coxmos. Coxmos fue diseñado como un paquete de R de código abierto para confrontar esta frontera metodológica. Coxmos sinergia el modelo Cox con las capacidades de reducción de dimensionalidad y selección de variables de las metodologías de Mínimos Cuadrados Parciales (PLS). Esta metodología fue diseñada no solo para la predicción, sino para crear modelos totalmente interpretables para el análisis de supervivencia en datos de AD y multibloque (MB). Nuestra extensa validación demuestra que Coxmos no solo supera los métodos clásicos, sino que también supera consistentemente a las técnicas de aprendizaje automático de última generación en escenarios de AD y MB. En resumen, esta tesis documenta una trayectoria científica completa, que abarca desde el desafío práctico de armonizar datos clínicos brutos hasta la creación de un marco estadístico para el análisis de supervivencia de AD y MB. Ambas contribuciones, ATHAR y Coxmos, establecen un flujo de trabajo integral de extremo a extremo. Estos recursos equipan colectivamente a la comunidad científica para transformar datos complejos en conocimiento robusto e interpretable, acelerando directamente el descubrimiento de biomarcadores pronósticos y avanzando en la medicina de precisión. |
|---|