Look-up in Google Scholar
Full metadata record
Le?n Aguilar, Alfredo
Le?n Aguilar, Alfredo
Salas Ojeda, Mar?a Isabel
Salas Ojeda, Mar?a Isabel
2021-11-19T02:49:50Z
2021-11-19T02:49:50Z
2021
https://hdl.handle.net/20.500.14138/4283
https://hdl.handle.net/20.500.14138/4283
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. (es_ES)
Tesis (es_ES)
application/pdf
application/pdf
spa
spa
Universidad Ricardo Palma (es_ES)
info:eu-repo/semantics/openAccess
info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-nd/4.0/
https://creativecommons.org/licenses/by-nc-nd/4.0/
Universidad Ricardo Palma - URP (es_ES)
aprendizaje autom?tico (es_ES)
malformaciones arteriovenosas cerebrales (es_ES)
algoritmos (es_ES)
predecir (es_ES)
radiocirug?a (es_ES)
supervisado (es_ES)
Algoritmos de aprendizaje autom?tico para predecir la curaci?n de malformaciones arteriovenosas cerebrales tratadas con radiocirug?a (es_ES)
info:eu-repo/semantics/masterThesis
info:eu-repo/semantics/masterThesis
Universidad Ricardo Palma. Escuela de Posgrado (es_ES)
Maestr?a en Ciencia de los Datos (es_ES)
Maestro en Ciencia de los Datos (es_ES)
PE (es_ES)
https://purl.org/pe-repo/ocde/ford#1.07.00
https://purl.org/pe-repo/ocde/ford#1.07.00
Maestr?a en Ciencia de los Datos (es_ES)
https://purl.org/pe-repo/renati/level#maestro
https://purl.org/pe-repo/renati/level#maestro
https://orcid.org/0000-0001-5607-2810
https://orcid.org/0000-0001-5607-2810
09651867
612027
612027
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
https://purl.org/pe-repo/renati/type#tesis
https://purl.org/pe-repo/renati/type#tesis
Privada asociativa
info:eu-repo/semantics/publishedVersion



This item is licensed under a Creative Commons License Creative Commons