Un Modelo para la Prediccion de Recidiva de Pacientes Operados de Cancer de Mama (CMO) Basado en Redes Neuronales

La predicción de recidiva en pacientes que han sido operados de cáncer de mama juega un papel muy importante en tareas médicas como el diagnostico y la planificación del tratamiento que hay que realizarle al mismo. En la actualidad, los expertos médicos están llevando a cabo estas tareas usando técnicas no numéricas. Las redes neuronales artificiales se muestran como una herramienta potente para el análisis de conjuntos de datos donde hay relaciones no lineales entre los datos a estudio y la información a ser predecida. En este artículo estimamos tanto la probabilidad de clasificación correcta como la regla de Bayes utilizando un perceptrón multicapa, que nos permite, al mismo tiempo, conocer la precisión de la regla de decisión obtenida. Este estudio se ha aplicado en la predicción de recidiva de pacientes operados de cáncer de mama, usando para ello datos clínicopatológicos (tamaño del tumor, edad del paciente, receptores de estrógenos, etc.) procedentes del servicio médico de Oncología del Hospital Clínico Universitario de Málaga. Se han estudiado diferentes topologías del perceptrón multicapa para obtener la mejor precisión en la predicción. Los resultados actuales muestran que, después del proceso de aprendizaje, el modelo teórico final propuesto es apropiado para hacer predicciones de la probabilidad de recidiva en diferentes intervalos de tiempo.