Propuesta de un modelo predictivo basado en Machine Learning para el diagnóstico temprano de cáncer de mama en una empresa prestadora de servicio de salud privada

Abstract

El presente trabajo de investigación se elaboró con la finalidad de reducir los gastos operativos de tratamiento de cáncer de mama en los diferentes estadios (I, II, III y IV), a causa de la activación de pólizas de seguros, para dicha propuesta se tomó como referencia una Empresa Prestadora de Servicio de Salud Privada (EPSSP).

Cabe señalar que el trabajo de investigación se basa en la propuesta de implementación de un modelo predictivo para el diagnóstico temprano de cáncer de mama, para la cual se revisó la literatura de diferentes modelos de Machine Learning que fueron evaluados y probados por diferentes grupos de investigadores, asimismo se compararon cual de todas era la más efectiva en cuanto a precisión y porcentaje de efectividad, en consecuencia, se seleccionó el mejor modelo predictivo (Maquina de Vector de Soporte - SVM), luego se identificaron las variables y/o características (10) de valor real para cada núcleo celular de la mamografía que formaran parte del DataSet que será entrenado el modelo seleccionado.

Finalmente, para la propuesta de implementación se aplicará la metodología CRISP-DM (Proceso estándar entre industrias para la minería de datos) por ser flexible, fácil, estructurado y confiable, además utilizada en proyectos similares, asimismo para esta propuesta se utilizará los servicios de Machine Learning de Microsoft Azure.

La implementación del Modelo permitirá la reducción en un 2% los costos operativos del tratamiento de cáncer de mama en la EPSSP, incrementando el valor de la compañía en el segmento oncológico.

The present research work was developed with the purpose of reducing the operational expenses of breast cancer treatment in different stages (I, II, III and IV), due to the activation of insurance policies. For this proposal, a Private Health Service Provider Company (PHSPC) was taken as a reference.

It should be noted that the research work is based on the proposal of implementing a predictive model for early breast cancer diagnosis, for which the literature of different Machine Learning models was reviewed and evaluated by different groups of researchers. Likewise, they compared which one was the most effective in terms of accuracy and effectiveness percentage, and as a result, the best predictive model (Support Vector Machine - SVM) was selected. Then, the real value variables or characteristics (10) for each cellular nucleus of the mammography that will be part of the DataSet trained by the selected model were identified.

Finally, for the implementation proposal, the CRISP-DM methodology (standard process for data mining in different industries) will be applied, as it is flexible, easy, structured, and reliable, and also used in similar projects. Additionally, Microsoft Azure's Machine Learning services will be used for this proposal.

The implementation of the Model will allow a 2% reduction in the operational costs of breast cancer treatment in the PHSPC, increasing the value of the company in the oncological segment.