Clasificación de pacientes con neuroblastoma mediante modelado de datos con métodos de aprendizaje automático

Abstract

[ES] El neuroblastoma es uno de los tumores sólidos más frecuentes en niños y tiene un comportamiento clínico diverso que depende en gran medida de la biología del tumor. La finalidad de este trabajo consiste crear un modelo de aprendizaje automático capaz de clasificar el nivel de riesgo en el que se encuentra un paciente con neuroblastoma a partir de un conjunto de datos procedentes de un proyecto PRIMAGE (PRedictive In-silico Multiscale Analytics to support cancer personalized diaGnosis and prognosis, Empowered by imaging biomarkers) en el que participa el Hospital La Fe de Valenica. Esta base de datos cuenta con cuatro bloques de variables: información clínica, variables de radiómica (información artificial extraída a partir de imágenes obtenidas sobre el tumor), variables de difusión. Las variables respuesta sobre las que se trabajará son los estadios de la enfermedad y la histología. Se trabajará con diferentes arquitecturas de modelado de datos utilizando técnicas de reducción de la dimensión, selección de variables, balanceado y validación cruzada, para buscar la configuración que ofrezca los mejores resultados de clasificación.

[EN] Neuroblastoma is one of the most common solid tumours in children and has a diverse clinical behaviour that is highly dependent on the biology of the tumour. The aim of this work is to create a machine learning model capable of classifying the risk level of a neuroblastoma patient from a medical imaging dataset. The data is acquired using radiomics techniques developed within the framework of the PRIMAGE project (PRedictive In-silico Multiscale Analytics to support cancer personalized diaGnosis and prognosis, Empowered by imaging biomarkers) in which the Hospital La Fe de Valencia participates. This database has four blocks of variables: clinical information, radiomic variables (artificial information extracted from images obtained on the tumour) and diffusion variables. The response variables on which we will work are the stages of the disease and histology. For this purpose, different data modelling architectures will be applied using techniques of dimension reduction, variable selection, balancing and cross-validation, in order to find the configuration that offers the best classification results.