{"id":99969,"date":"2018-03-11T10:21:16","date_gmt":"2018-03-11T10:21:16","guid":{"rendered":"https:\/\/www.deberes.net\/tesis\/sin-categoria\/redes-neuronales-artificiales-como-modelo-predictivo-en-un-programa-de-cribado-de-cancer-de-mama-poblacional\/"},"modified":"2018-03-11T10:21:16","modified_gmt":"2018-03-11T10:21:16","slug":"redes-neuronales-artificiales-como-modelo-predictivo-en-un-programa-de-cribado-de-cancer-de-mama-poblacional","status":"publish","type":"post","link":"https:\/\/www.deberes.net\/tesis\/ginecologia\/redes-neuronales-artificiales-como-modelo-predictivo-en-un-programa-de-cribado-de-cancer-de-mama-poblacional\/","title":{"rendered":"Redes neuronales artificiales como modelo predictivo en un programa de cribado de cancer de mama poblacional"},"content":{"rendered":"

Tesis doctoral de Leticia Alvarez Menendez <\/strong><\/h2>\n

El c\u00e1ncer de mama es una enfermedad con amplia variabilidad mundial, alcanzando sus tasas de incidencia m\u00e1s elevadas en usa y en los pa\u00edses del norte de europa. Por otro lado es la primera causa de muerte entre mujeres y responsable del 30% de los fallecimientos; no obstante desde la instauraci\u00f3n de las pol\u00edticas de cribado, la evoluci\u00f3n tecnol\u00f3gica y la instauraci\u00f3n de terapias adyuvantes la tasa de mortalidad descendi\u00f3 hasta niveles en torno al 3 por mil. Entre las estrategias de salud publica en prevenci\u00f3n secundaria para prevenir el c\u00e1ncer de mama se encuentra el cribado poblacional por mamograf\u00eda cuya efectividad no est\u00e1 exenta de controversia aunque si parece comportarse como variable pronostica en la elaboraci\u00f3n de un modelo pronostico\/predictivo. Estos modelos pron\u00f3sticos\/predictivos ayudan a la toma de decisiones cl\u00ednicas por cuanto persigue la identificaci\u00f3n de factores relevantes y su concurrencia con la enfermedad con el objeto de establecer grupos de riesgo diferenciados. Para el c\u00e1ncer de mama hay descritos muchos modelos pron\u00f3sticos (claus, gail, tyrer-cuzick, npi, etc.) Sin que ninguno logre un optimo rendimiento. En esta l\u00ednea las redes neuronales artificiales (rna) pueden desempe\u00f1ar un papel importante en este proceso de predicci\u00f3n y clasificaci\u00f3n pues son excelentes como clasificadoras y reconocedoras de patrones pudiendo usarse all\u00ed donde las t\u00e9cnicas tradicionales no funcionan y la mama por la diversidad e importancia de sus lesiones, por la interpretaci\u00f3n cl\u00ednica de los m\u00e9todos de imagen disponibles y por la efectividad de los m\u00e9todos preventivos, parece un terreno propicio para la aplicaci\u00f3n de las rna. Adem\u00e1s muestran una mejor exactitud predictiva cuando se comparan con t\u00e9cnicas tradicionales estad\u00edsticas de predicci\u00f3n y supervivencia. Hipotesis y objetivos. En base a lo relatado la hip\u00f3tesis de trabajo es: las redes neuronales artificiales permiten plantear seguimientos cl\u00ednicos a la carta en funci\u00f3n de predictores relevantes mejorando la calidad de la investigaci\u00f3n, minimizando las acciones cl\u00ednicas sobre las enfermas y optimizando la gesti\u00f3n de los recursos, y los objetivos a conseguir: 1. Generar e identificar el mejor modelo basado en redes neuronales artificiales capaz de diferenciar a las mujeres participantes en un programa de cribado de cancer de mama. 2.- Elaborar un perfil de pruebas que permita identificar grupos de riesgo de padecer c\u00e1ncer de mama y establecer aquellos de riesgo creciente. 3. Estimar el rendimiento predictivo de las redes neuronales artificiales en un contexto de cribado de c\u00e1ncer de mama. Material y metodolog\u00eda. Para dar respuesta a la hipotesis y objetivos planteados se dise\u00f1a un estudio de preValencia y prospectivo de cohortes. La muestra est\u00e1 formada por el colectivo de mujeres del area sanitaria de aviles de edad entre 50 y 70 a\u00f1os, derivadas a la unidad de cribado de cancer de mama de avil\u00e9s (asturias) ubicada en el hospital san agustin y en funcionamiento desde 1999. Las mujeres son invitadas a participar mediante carta personalizada cuando cumplen 50 a\u00f1os y la revisi\u00f3n cada dos a\u00f1os. El protocolo de recogida de datos incluye datos relevantes de la historia clinica, de la mamografia y de otras exploraciones si se hicieran, que p\u00ed\u00b2steriormente se incorporan al programa de cribado de c\u00e1ncer de mama, el cual dispone de un software espec\u00edfico para la gesti\u00f3n y el seguimiento de los casos que incluye a todas las mujeres participantes, as\u00ed como sus resultados de despistaje. El analisis estadistico incluye estadistica descriptiva y analitica bivariante aplicando las pruebas parametricas que procedian, test anova para variables cuantitativas y chi cuadrado y test exacto de fisher para cualitativas. Para las rna, n el proceso de modelizaci\u00f3n, entrenamiento y validaci\u00f3n del programa de cribado de c\u00e1ncer de mama se ha recurrido sucesivamente a un proceso de clusterizaci\u00f3n mediante redes som (self-organizing map), la elaboraci\u00f3n de algoritmos mars (multivariate adaptative regression splines) y finalmente a la aplicaci\u00f3n de funciones neuro sv (m\u00e1quinas de soporte vectorial), destinadas a la definici\u00f3n topol\u00f3gica y tipol\u00f3gica de la funci\u00f3n. Resultados. Participaron 16.854 mujeres durante el periodo de estudio de 2000 a 2008 con una tasa de participaci\u00f3n del 73,88% sin que se hallaran diferencias estad\u00edsticamente significativas entre mujeres sanas y enfermas con c\u00e1ncer de mama en ninguna de las variables del perfil ginecol\u00f3gico (edad de menarquia y menopausia, a\u00f1os ba\u00f1o estrogenito, a\u00f1os tratamiento hormonal sustitutivo, a\u00f1os anticonceptivos orales, etc) y del perfil obst\u00e9trico (edad primer embarazo, n\u00c2\u00ba embarazos, meses lactancia, etc). Aunque para algunas variables ginecol\u00f3gicas (edad menopausia y a\u00f1os ba\u00f1o estrogenito) y obstetricias (edad primer embarazo y n\u00c2\u00ba embarazos) si hab\u00eda diferencias significativas entre las sanas y las diagnosticadas de c\u00e1ncer en la ronda incidente. La tasa global de c\u00e1ncer fue del 2,01\u00c2\u00bf, con menor valor en el grupo de 50-54 a\u00f1os(1,33\u00c2\u00bf) e increment\u00e1ndose a medida que aumentaba la edad hasta 3,46\u00c2\u00bf en el grupo de 65-69 a\u00f1os; en cualquier caso en la ronda prevalente siempre se encontr\u00f3 mayor tasa de c\u00e1ncer que en la incidente (2,6\u00c2\u00bf por 1,70\u00c2\u00bf). La aplicaci\u00f3n de rna como t\u00e9cnica clasificatoria en grandes bases de datos se ha efectuado con una estrategia de modelos h\u00edbrido, redes som y m\u00e1quinas de soporte vectorial (svm). Las redes som empleadas en el proceso de aprendizaje nos ha permitido establecer diversos vectores directores, cada uno de los cuales representa a una mujer prototipo en funci\u00f3n de sus caracter\u00edsticas particulares (variables de estudio). A partir de los citados vectores, la estrategia de algoritmos mars fue capaz de identificar a las 100 mujeres con c\u00e1ncer de mama diagnosticadas en el programa. En este proceso de selecci\u00f3n, tres han sido los modelos manejados (denominados 5,6 y 7) en funci\u00f3n de los rendimientos en t\u00e9rminos de sensibilidad y especificidad. En la validaci\u00f3n interna del modelo mediante t\u00e9cnicas svm, se han observado diferencias significativas en la construcci\u00f3n de curvas roc (p= 0,000) maximizando el \u00e1rea bajo la curva el modelo 7 (que integra 196 vectores directores o mujeres prototipo). Este \u00faltimo modelo present\u00f3 una sensibilidad del 100% y una especificidad del 69%.A partir del modelo 7 hemos construido un score en funci\u00f3n del peso intr\u00ednseco de las variables componentes del mismo. El citado score o puntuaci\u00f3n ha permitido la generaci\u00f3n de una clasificaci\u00f3n funcional en riesgo creciente de identificar c\u00e1ncer de mama en el programa de cribado, as\u00ed como la posibilidad de crear un grupo que aglutine a las mujeres enfermas conclusiones. 1. Se ha identificado un modelo de redes neuronales artificiales con funciones de entrenamiento tipo kernel capaz de identificar y diferenciar las mujeres que se someten al cribado de c\u00e1ncer de mama. 2. La validaci\u00f3n efectuada sobre el conjunto de las mujeres participantes en el programa a partir de un modelo con 196 mujeres patr\u00f3n, permite obtener estad\u00edsticos con una sensibilidad del 100% y una especificidad del 68,9%. 3. La identificaci\u00f3n de factores de riesgo que hace eficiente el modelo de redes neuronales identificado, permite la clasificaci\u00f3n de mujeres participantes en el programa de cribado en grupos de riesgo creciente de desarrollo de c\u00e1ncer de mama.<\/p>\n

 <\/p>\n

Datos acad\u00e9micos de la tesis doctoral \u00abRedes neuronales artificiales como modelo predictivo en un programa de cribado de cancer de mama poblacional<\/strong>\u00ab<\/h3>\n
    \n
  • T\u00edtulo de la tesis:<\/strong>\u00a0 Redes neuronales artificiales como modelo predictivo en un programa de cribado de cancer de mama poblacional <\/li>\n
  • Autor:<\/strong>\u00a0 Leticia Alvarez Menendez <\/li>\n
  • Universidad:<\/strong>\u00a0 Oviedo<\/li>\n
  • Fecha de lectura de la tesis:<\/strong>\u00a0 25\/03\/2010<\/li>\n<\/ul>\n

     <\/p>\n

    Direcci\u00f3n y tribunal<\/h3>\n
      \n
    • Director de la tesis<\/strong>\n
        \n
      • Jos\u00e9 Antonio Alvarez Riesgo<\/li>\n<\/ul>\n<\/li>\n
      • Tribunal<\/strong>\n
          \n
        • Presidente del tribunal: Juan Luis Lanchares perez <\/li>\n
        • celestino Ordo\u00f1ez galan (vocal)<\/li>\n
        • angel a. Garcia iglesias (vocal)<\/li>\n
        • seraf\u00edn marcos Costilla Garc\u00eda (vocal)<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n

           <\/p>\n","protected":false},"excerpt":{"rendered":"

          Tesis doctoral de Leticia Alvarez Menendez El c\u00e1ncer de mama es una enfermedad con amplia variabilidad mundial, alcanzando sus tasas […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""}},"footnotes":""},"categories":[135,1027,8846,7953],"tags":[191942,50303,203804,23888,203803,86824],"class_list":["post-99969","post","type-post","status-publish","format-standard","hentry","category-ginecologia","category-oncologia","category-oviedo","category-redes-neuronales","tag-angel-a-garcia-iglesias","tag-celestino-ordonez-galan","tag-jose-antonio-alvarez-riesgo","tag-juan-luis-lanchares-perez","tag-leticia-alvarez-menendez","tag-serafin-marcos-costilla-garcia"],"_links":{"self":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts\/99969","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/comments?post=99969"}],"version-history":[{"count":0,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts\/99969\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/media?parent=99969"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/categories?post=99969"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/tags?post=99969"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}