Creación de modelos predictivos para la estimación del riesgo de desarrollar cáncer de mama

Abstract

[ES] El cáncer que produce el mayor número de muertes en la población femenina es el de mama debido a su gran incidencia. La detección temprana de la enfermedad es vital para la aplicación de un tratamiento a tiempo, que puede curar la enfermedad en un alto porcentaje de casos. Es por ello que el trabajo está enfocado a la creación de modelos predictivos que permitan determinar el riesgo de desarrollarlo para promover la prevención y detección precoz.

Los datos empleados para la tarea son datos clínicos y de factores genéticos relativos a las pacientes, así como imágenes médicas de la mama por rayos X, y son clasificados como paciente sana o enferma. La información ha sido extraída de programas de cribado reales de cáncer de mama emparejados por grupos de caso-control. En el documento se evalúan y comparan diversos modelos de clasificación. Concretamente, se probarán predictores que han demostrado buenas prestaciones como son Random Forest o SVM, entre otros. También se emplearán redes neuronales convolucionales. Se profundizará en la metodología y las prestaciones de cada uno de ellos.

[CA] El càncer que produeix el major nombre de morts en la població femenina és el de mama a causa de la seua gran incidència. La detecció precoç de la malaltia és vital per a l’aplicació d’un tractament a temps, que pot curar la malaltia en un alt percentatge de casos. És per això que el treball està enfocat a la creació de models predictius que permeten determinar el risc de desenvolupar-lo per a promoure la prevenció i detecció precoç. Les dades emprades per a la tasca són dades clíniques i de factors genètics relatius a les pacients, així com imatges mèdiques de la mama per raigs X, i són classificats com a pacient sana o malalta. La informació ha sigut extreta de programes de garbellat reals de càncer de mama aparellats per grups de cas-control. En el document s’avaluen i comparen diversos models de classificació. Concretament, es provaran predictors que han demostrat bones prestacions com són Random Forest o SVM, entre altres. També s’empraran xarxes neuronals convolucionals. S’aprofundirà en la metodologia i les prestacions de cadascun d’ells.

[EN] The cancer that produces the highest number of deaths in the female population is breast cancer due to its high incidence. The early detection of the disease is vital for the application of a treatment on time, which can cure the disease in a high percentage of cases. That is why the work is focused on the creation of predictive models that allow determining the risk of developing it to promote prevention and early detection.

The data used for the task are clinical data and genetic factors related to the patients, as well as medical images of the breast by X-rays, and they are classified as a healthy or sick patient. The information has been extracted from actual breast cancer screening programs matched by case-control groups. Various classification models are evaluated and compared in the document. Specifically, predictors that have shown good performance such as Random Forest or SVM, among others, will be tested. Convolutional neural networks will also be used. The methodology and benefits of each of them will be explained.