Tamización de pacientes con sospecha de cáncer de mama mediante redes neuronales artificiales utilizando variables clínicas
No Thumbnail Available
Date
2013
Authors
Evaluators
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Industrial de Santander
Abstract
El cáncer de mama es uno de los tumores más frecuentes en el mundo y ha presentado un incremento en las tasas de incidencia y mortalidad. Estudios realizados indican que estas cifras se podrían reducir mediante programas de tamización para detección temprana. Estos resultados han promovido la búsqueda de técnicas alternativas y complementarias como sistemas de Inteligencia Artificial, los cuáles han demostrado mejorar la precisión de la detección y diagnóstico del cáncer. En este trabajo se utilizaron las Redes Neuronales Artificiales (RNA) en la tamización de 120 pacientes con sospecha de cáncer de mama utilizando variables clínicas. Se realizó un análisis de regresión logística binaria (LR) para determinar los factores de riesgo asociados al cáncer de mama. Se crearon dos modelos de patrones de entrada a las redes, el primero conformado por los resultados obtenidos en la LR y el segundo fue la combinación del modelo 1 y otros factores de riesgo potencial. Se utilizaron las redes Backpropagation (BP) y Redes de Función de Base Radial (RBFN) y se obtuvieron diversos tipos de configuraciones variando el algoritmo de aprendizaje, la función de transferencia y número de neuronas ocultas. El funcionamiento de las redes se evaluó usando la sensibilidad, especificidad y área bajo la curva ROC (AUC). Se seleccionaron las configuraciones que presentaron en la simulación valor de AUC igual o superior a 0.8. Posteriormente se les practicó la validación cruzada de 5 iteraciones y se encontró que la red que mostró mejor desempeño e independencia ante los datos fue la RNA-9 con una sensibilidad del 71.78%, especificidad del 78.29% y AUC de 0.7503. Es una red tipo BP con algoritmo de aprendizaje Levenberg-Marquardt y función de transferencia sigmoidea tangente hiperbólica en la capa oculta y de salida.
Description
Keywords
Cáncer De Mama, Factores De Riesgo, Red Neuronal Artificial (Rna), Backpropagation, Rbfn, Validación Cruzada