Aplicación de técnicas estadísticas multivariantes y de aprendizaje automático en el diagnóstico de cáncer de próstata a través de imágenes médicas

Abstract

[CA] El càncer de pròstata és una de les principals causes de morbiditat i mortalitat entre la població masculina a nivell mundial. El seu diagnòstic primerenc i precís és crucial per a millorar les taxes de supervivència i la qualitat de vida dels pacients. En este context, les imatges mèdiques juguen un paper fonamental, proporcionant una visió detallada i no invasiva del teixit prostàtic. No obstant això, la interpretació d’estes imatges és complexa i subjecta a variabilitat inter-observador. El present treball se centra en l’aplicació de tècniques estadístiques avançades i algorismes d’aprenentatge automàtic per a la predicció i avaluació del desenvolupament del càncer de pròstata utilitzant imatges mèdiques. La metodologia que s’ha emprat inclou la selecció i preprocessament d’un conjunt de dades d’imatges mèdiques, la integració de diferents fonts de dades (dades clíniques i diferents processaments d’imatges) i l’aplicació de tècniques estadístiques multivariants de reducció de la dimensió i classificació.

[ES] El cáncer de próstata es una de las principales causas de morbilidad y mortalidad entre la población masculina a nivel mundial. Su diagnóstico temprano y preciso es crucial para mejorar las tasas de supervivencia y la calidad de vida de los pacientes. En este contexto, las imágenes médicas juegan un papel fundamental, proporcionando una visión detallada y no invasiva del tejido prostático. Sin embargo, la interpretación de estas imágenes es compleja y sujeta a variabilidad inter-observador. El presente trabajo se centra en la aplicación de técnicas estadísticas avanzadas y algoritmos de aprendizaje automático para la predicción y evaluación del desarrollo del cáncer de próstata utilizando imágenes médicas. La metodología que se ha empleado incluye la selección y preprocesamiento de un conjunto de datos de imágenes médicas, la integración de distintas fuentes de datos (datos clínicos y distintos procesados de imágenes) y la aplicación de técnicas estadísticas multivariantes de reducción de la dimensión y clasificación.

[EN] Prostate cancer is one of the leading causes of morbidity and mortality among the male population worldwide. Early and accurate diagnosis is crucial for improving survival rates and the quality of life of patients. In this context, medical imaging plays a crucial role, providing a detailed and non-invasive view of prostate tissue. However, the interpretation of these images is complex and subject to inter-observer variability. This work focuses on the application of advanced statistical techniques and machine learning algorithms for the prediction and as sessment of prostate cancer development using medical images. The methodology employed includes the selection and preprocessing of a dataset of medical images, the integration of different data sources (clinical data and various image processing outputs), and the application of multivariate statistical techniques for dimensionality reduction and classification