Instituto Oncológico Fundación Arturo López Pérez, Medical Informatics and Data Science Unit, Department of Cancer Research, Santiago, Chile
Instituto Oncológico Fundación Arturo López Pérez, Medical Informatics and Data Science Unit, Department of Cancer Research, Santiago, Chile
Massachusetts Institute of Technology, Global Health Informatics Course, Boston, USA
Massachusetts Institute of Technology, Global Health Informatics Course, Boston, USA
Massachusetts Institute of Technology, Global Health Informatics Course, Boston, USA
Instituto Oncológico Fundación Arturo López Pérez, Medical Informatics and Data Science Unit, Department of Cancer Research, Santiago, Chile
El objetivo de este estudio era desarrollar un modelo predictivo del estadio del cáncer a partir de datos de un registro chileno de cáncer. Se examinaron varios factores, como el tipo de cáncer, la edad del paciente, los antecedentes médicos y el tiempo transcurrido entre el diagnóstico y el tratamiento, para determinar su asociación con el estadio del cáncer. Se probaron múltiples métodos supervisados de clasificación multiclase y se identificaron los modelos con mejores resultados. Los resultados mostraron que los modelos de bosque aleatorio, SVM polinómico y compuesto funcionaban bien en los distintos estadios, aunque distinguir entre los estadios II y III era más difícil. Las características más importantes para predecir el estadio del cáncer fueron el tipo de cáncer, las variables TNM y la extensión del diagnóstico. Las variables relacionadas con el momento y la secuencia del tratamiento también mostraron cierta importancia. Se hizo hincapié en que los resultados de los modelos predictivos debían interpretarse con cautela para evitar predicciones excesivas o insuficientes. El contexto clínico y la información adicional deben tenerse en cuenta para mejorar la exactitud de las predicciones. El pequeño conjunto de datos y las limitaciones en la disponibilidad de los mismos plantearon retos a la hora de predecir con exactitud el estadio del cáncer para diferentes tipos de cáncer. La aplicación del modelo de predicción puede tener varias ventajas, como informar las decisiones de tratamiento, evaluar la gravedad de la enfermedad y optimizar la asignación de recursos. Se recomendó seguir investigando y ampliar el alcance del modelo para mejorar su rendimiento e impacto. En conjunto, el estudio puso de relieve el potencial de los modelos predictivos en la estadificación del cáncer y subrayó la necesidad de seguir avanzando en este campo.
Este artículo se distribuye bajo la licencia Creative Commons Attribution 4.0 License. A menos que se indique lo contrario, el material publicado asociado se distribuye bajo la misma licencia.
The statements, opinions and data contained in the journal are solely those of the individual authors and contributors and not of the publisher and the editor(s). We stay neutral with regard to jurisdictional claims in published maps and institutional affiliations.