Minería de datos como soporte en el diagnóstico y tratamiento del cáncer de mama
El cáncer de mama es el cáncer de la mujer más común en el mundo, y suincidencia aumenta en los países en vías de desarrollo. El caso de México no es laexcepción, donde además es el cáncer con tasa de mortalidad más alta. En estetrabajo se presentan resultados de estudios realizados a datos recopila...
| Author: | |
|---|---|
| Format: | master thesis |
| Status: | Published version |
| Publication Date: | 2013 |
| Country: | México |
| Institution: | Centro de Investigación Científica y de Educación Superior de Ensenada |
| Repository: | Repositorio Institucional CICESE |
| Language: | Spanish |
| OAI Identifier: | oai:cicese.repositorioinstitucional.mx:1007/409 |
| Online Access: | http://cicese.repositorioinstitucional.mx/jspui/handle/1007/409 |
| Access Level: | Open access |
| Keyword: | info:eu-repo/classification/Autor/Cáncer de mama,Predicción de datos,Recurrencia,Minería de datos info:eu-repo/classification/cti/1 info:eu-repo/classification/cti/12 info:eu-repo/classification/cti/1203 |
| Summary: | El cáncer de mama es el cáncer de la mujer más común en el mundo, y suincidencia aumenta en los países en vías de desarrollo. El caso de México no es laexcepción, donde además es el cáncer con tasa de mortalidad más alta. En estetrabajo se presentan resultados de estudios realizados a datos recopilados de lasáreas de Radiología y Oncología de una clínica hospital de salud pública en laciudad de Ensenada, México. Los datos se procesaron y analizaron usandoalgoritmos de Minería de Datos. De los reportes de Radiología fue posibleclasificar las observaciones de tumores en benignos y malignos con una exactitudde 96% a 98% y producto sensibilidad-especificidad de 0.65 a 0.91. Los mejoresresultados se obtuvieron con los métodos Bayesianos y el algoritmo re regresiónElastic Net. Los datos referentes a la descripción morfológica de lasobservaciones fueron los más relevantes para la clasificación, de acuerdo alanálisis de reducción de dimensionalidad y a los nodos resultantes en los árbolesde decisión inducidos. El cuadrante de la mama y la lateralidad resultaronirrelevantes para los modelos. De los reportes de Oncología se realizó un análisisde predicción de recurrencia de la enfermedad, obteniendo los mejores resultadospor métodos de imputación Bayesiana y predicción por regresión logística, conexactitud de 72% a 95% y producto sensibilidad-especificidad de 0.5 a 0.94. Enestos datos, cuando existe sobreexpresión del gen Her2/Neu el peso de lapersona resulta como atributo relevante. Para los datos denominados LUMINAL, elatributo correspondiente a la aplicación de hormonoterapia aparece comorelevante para prevenir la recurrencia. El análisis del conjunto denominado TripleNegativo tuvo los más pobres resultados, sin embargo es posible apreciar que laadministración de capecitabina aparece como atributo relevante para prevenirrecurrencia. |
|---|