Machine Learning en la predicción de supervivencia en el cáncer de pulmón y metástasis cerebrales
Giner, Júlia
Suppi Boldrito, Remo, tut. (Universitat Autònoma de Barcelona. Departament d'Arquitectura de Computadors i Sistemes Operatius)
Universitat Autònoma de Barcelona. Escola d'Enginyeria

Data:	2024
Descripció:	8 pag.
Resum:	El cáncer de pulmón no célula pequeña (CPCNP) es una de las neoplasias malignas más común en nuestro ámbito y su pronóstico empeora significativamente en presencia de metástasis cerebrales, afectando entre un 30-60% de los pacientes. Aunque se han realizado avances en el tratamiento del CPCNP en estadios avanzados, los pacientes con metástasis cerebrales han sido excluidos de muchos ensayos clínicos, lo que limita el conocimiento sobre la efectividad de los nuevos tratamientos. El objetivo de este trabajo es desarrollar un modelo de machine learning para predecir la supervivencia en pacientes con CPCNP y metástasis cerebrales, evaluando también el impacto del tratamiento local. Para ello, en el presente estudio se analizaron diferentes modelos de machine learning, como el Árbol de Decisión, Random Forest y Red Neuronal, entre otros. Los resultados obtenidos fueron muy prometedores y sugieren que el uso de estas herramientas puede ayudar a la toma de decisiones clínicas en pacientes con metástasis cerebrales.
Resum:	Non-small cell lung cancer (NSCLC) is one of the most common malignant neoplasms in our setting, and its prognosis worsens significantly in the presence of brain metastases, affecting 30-60% of patients. Although there have been advances in the treatment of advanced NSCLC, patients with brain metastases have often been excluded from clinical trials, limiting knowledge of treatment effectiveness. The objective of this study was to develop a machine learning model to predict survival in NSCLC patients with brain metastases, while also evaluating the impact of local treatment. Three models were trained: Decision Tree, Random Forest, and Deepnet. The Random Forest model with 100 trees showed the best performance, with an AUC-ROC of 0. 7601. These results suggest that the use of machine learning can improve clinical decision-making in patients with brain metastases.
Drets:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, la comunicació pública de l'obra i la creació d'obres derivades, fins i tot amb finalitats comercials, sempre i quan es reconegui l'autoria de l'obra original.
Llengua:	Castellà
Titulació:	Màster en Intel·ligència Artificial i Big Data en Salut
Pla d'estudis:	Màster en Intel·ligència Artificial i Big Data en Salutt [4291]
Document:	Treball de fi de postgrau
Matèria:	Cáncer de pulmó ; No célula pequeña ; Metástasis cerebrales ; Supervivencia ; Machine learning ; Modelos predictivos ; Random Forest ; Red Neuronal ; Non-small cell lung cancer ; Brain Metastases, Survival ; Machine Learning, Predictive models ; Deepnet

8 p, 699.0 KB

El registre apareix a les col·leccions:
Documents de recerca > Treballs de recerca i projectes de final de carrera > Enginyeria. TFM