RT info:eu-repo/semantics/bachelorThesis
T1 Pronóstico de resección y esperanza de vida en glioblastoma mediante Machine Learning
A1 Luque León, Airam Rafael
A2 Grado En Ingeniería Informática
K1 aprendizaje automático
K1 glioblastoma
K1 resección
K1 pronóstico
K1 esperanza de vida
K1 sklearn
K1 validación cruzada
K1 búsqueda en cuadrícula
AB El glioblastoma es un tipo de cáncer cerebral que resulta en una alta tasa de mortalidad y presenta variabilidad en las respuestas al tratamiento. La resección del tumor es una de las opciones terapéuticas principales, aunque su eficacia puede variar entre pacientes. El presente estudio busca explorar esta variabilidad a través de modelos de aprendizaje automático, utilizando un conjunto de datos clínicos que incluye información sobre el volumen del tumor y otras posibles afecciones derivadas de este mismo. Estos modelos de aprendizaje automático, desarrollados utilizando la librería de sklearn, tienen como objetivo clasificar entre resección positiva o no y generar un pronóstico de la esperanza de vida. Se empleó una búsqueda en cuadrícula para la optimización de hiperparámetros y validación cruzada para la robustez del modelo. Los resultados mostraron que los modelos de aprendizaje automático fueron capaces de generar clasificaciones de calidad para determinar la presencia de resección positiva. Sin embargo, la precisión en la generación de pronósticos de esperanza de vida no alcanzó un nivel satisfactorio. Este trabajo demuestra la utilidad de las técnicas de aprendizaje automático en la interpretación de datos clínicos y en la toma de decisiones terapéuticas en glioblastoma, aunque también revela limitaciones que deben ser superadas para mejorar la precisión de los pronósticos.
YR 2023
FD 2023
LK http://riull.ull.es/xmlui/handle/915/33256
UL http://riull.ull.es/xmlui/handle/915/33256
LA es
DS Repositorio institucional de la Universidad de La Laguna
RD 08-jul-2024