Detección precoz de cáncer de vejiga mediante medición de orina con lengua electrónica

Abstract

[ES] Los métodos actuales de detección temprana de cáncer de vejiga presentan baja sensibilidad para la detección de tumores de bajo grado, son invasivos, de coste elevado y operador dependientes. En este proyecto se desarrollan distintos modelos clasificadores basados en el análisis de orina mediante lengua electrónica voltamétrica de cuatro electrodos nobles y cuatro electrodos no-nobles como una potencial herramienta de apoyo al diagnóstico no invasivo de cáncer de vejiga. Para la clasificación los resultados arrojados por un PLSDA son insuficientes, por lo que se exploran técnicas de clasificación más avanzadas. Para ello, de los 966 puntos de corriente medidos por muestra y electrodo, se obtienen cuatro estadísticos adicionales: derivadas locales de las formas de onda, integración de los pulsos de la misma, componentes frecuenciales discretas, y corrientes iniciales y finales que corresponden a la corriente mínima generada respecto al potencial de reposo del sistema electroquímico. Adicionalmente, se prueban distintos pretratamientos. Los modelos clasificadores desarrollados se basan en regresiones lineales, máquinas de soporte vectorial (SVM) y redes neuronales artificiales (ANN) con y sin reducción de la dimensión (mediante PCA y PFA), además de sNPLSDA. Finalmente, se desarrollan modelos conjuntos combinando las técnicas mencionadas, propias de distintas disciplinas (minería de datos, análisis multivariante, análisis N-dimensional y redes neuronales artificiales), obteniéndose una tasa de acierto binomial sin variables adicionales del 77.3% ± 5.8% y del 74.4% ± 8.0% con ellas.

[EN] The bladder cancer early detection is nowadays done through urine analysis of metabolites. This technique offers high specificity (>90%) but with moderate sensibility (<50%), and presents a temporal and economic cost related with the need of laboratory analysis. A candidate for replacing this technique is the use of an electronic tongue, which has given positive results for the prostate cancer early detection application. The electronic tongue would allow obtaining immediate results with practically any variable cost. In this project is developed and combined different classifying algorithms based on the measurements realized at La Fe Polytechnic Hospital through FraPlusMini equipment, an electronic tongue developed by IDM, at the same time that it is performed an analysis to improve the device for the application. Focused in these objectives multivariate analysis, data mining and neural networks are combined.