Algoritmo para el diagnóstico preliminar de melanoma cutáneo basado en redes neuronales, Naive Bayes y árboles de decisión

Abstract

En esta investigación se incluyó el desarrollo e implementación de un algoritmo fusionado para el diagnóstico preliminar de melanoma cutáneo, ya que la detección temprana de esta enfermedad es un avance significativo en el tratamiento. El objetivo de la investigación fue determinar la precisión diagnóstica del algoritmo fusionado en comparación a los resultados obtenidos por los algoritmos de árbol de decisiones, Naive Bayes y redes neuronales. Se consideró la sensibilidad, la especificidad, la precisión, la exactitud y el tiempo del diagnóstico. Se utilizó la ficha de registro para comparar la precisión diagnóstica del algoritmo fusionado con relación a los otros tres algoritmos. Se utilizó librerías gratuitas del lenguaje de programación Python, el tipo de estudio fue aplicado de enfoque cuantitativo y el diseño fue pre-experimental de post test, en el cual se consideró un total de 3 mil fotografías dermatoscópicas entre nevus y melanoma para el entrenamiento de los algoritmos. Se utilizó la ficha de registro para medir la precisión diagnóstica del algoritmo fusionado en compasión a la precisión obtenida por los algoritmos de árbol de decisiones, Naive Bayes y redes neuronales. Los resultados fueron satisfactorios ya que la sensibilidad, la especificidad, la precisión y la exactitud del algoritmo fusionado fueron mayores a las obtenidas por los algoritmos Naive Bayes y redes neuronales; sin embargo, no fueron mayores a las obtenidas con el algoritmo de árboles de decisiones. Se recomendó agregar un algoritmo más orientado a clasificación, por ejemplo, el algoritmo K-Means, con el fin de mejorar los resultados logrados con el algoritmo fusionado para una futura investigación.