Look-up in Google Scholar
Title: Algoritmos de aprendizaje autom?tico para predecir la curaci?n de malformaciones arteriovenosas cerebrales tratadas con radiocirug?a
Advisor(s): Le?n Aguilar, Alfredo; Le?n Aguilar, Alfredo
OCDE field: https://purl.org/pe-repo/ocde/ford#1.07.00; https://purl.org/pe-repo/ocde/ford#1.07.00
Issue Date: 2021
Institution: Universidad Ricardo Palma
Abstract: El objetivo de esta tesis es identificar los factores que influyen en la curaci?n de las malformaciones arteriovenosas (MAV) cerebrales en pacientes que fueron tratados mediante radiocirug?a estereot?ctica y comparar diversos algoritmos de aprendizaje autom?tico para predecir la curaci?n de esta enfermedad. Las MAVs cerebrales son enfermedades de baja prevalencia, pero de gran impacto por la elevada morbimortalidad que producen como consecuencia de su ruptura por lo que evaluamos 202 pacientes con este diagn?stico intervenidos mediante radiocirug?a estereot?ctica en el Instituto de Radiocirug?a de la Cl?nica San Pablo entre los a?os 2005 al 2018, se anot? 45 variables entre socio demogr?ficas y cl?nicas de los pacientes, as? como las caracter?sticas morfol?gicas y hemodin?micas a trav?s de im?genes de las MAVs cerebrales. Los pacientes que se curaron de las MAVs fueron 167 (83%), durante el periodo de seguimiento de hasta 3 a?os. El modo de presentaci?n cl?nica m?s frecuente fue cefalea (88.12 %) seguido de hemorragia cerebral (76.73%), y convulsiones (55 %). A fin de determinar el mejor modelo predictivo se seleccionaron 23 variables predictores y luego se evaluaron los algoritmos aprendizaje autom?tico de regresi?n log?stica, Naive Bayes, M?quina de Soporte Vectorial, Random Forest y Redes Neuronales. Se utilizo, 80% de los datos para el entrenamiento de los algoritmos de aprendizaje autom?tico y 20% para el test de la performance predictiva de los modelos. El algoritmo que obtuvo las mejores m?tricas fue el algoritmo de m?quina de soporte vectorial donde el accuracy, la sensibilidad y especificidad fue de 98.51%, 100% y 96.97%, respectivamente. Asimismo, el algoritmo random forest tambi?n mostro buenos resultados cuyas m?tricas de accuracy, sensibilidad y especificidad fue de 96.57%, 99.12% y 93.94%, respectivamente. La predicci?n de la curaci?n de la MAV cerebral a trav?s de los algoritmos de aprendizaje autom?tico puede ayudar a los especialistas a tomar las mejores decisiones respecto al tratamiento de pacientes con este diagn?stico. Por consiguiente, estos algoritmos podr?an ser implementados en las gu?as de tratamiento de MAVs cerebrales para predecir su curaci?n mediante la automatizaci?n de los procesos a partir de los datos cl?nicos y de la t?cnica de aplicaci?n de la radiocirugia para lograr un flujo de atenci?n eficaz y personalizado en la curaci?n de esta enfermedad.
Discipline: Maestr?a en Ciencia de los Datos
Grade or title grantor: Universidad Ricardo Palma. Escuela de Posgrado
Grade or title: Maestro en Ciencia de los Datos
Juror: Ramos Ponce, Oscar Efrain; Rodr?guez Mallma, Mirko Jerber; Arcaya Arhuata, Ludmer Edward; Roque Paredes, Ofelia; Ramos Ponce, Oscar Efrain; Rodr?guez Mallma, Mirko Jerber; Arcaya Arhuata, Ludmer Edward; Roque Paredes, Ofelia
Register date: 19-Nov-2021



This item is licensed under a Creative Commons License Creative Commons