Actualmente, para la detección del cáncer de mama, la herramienta más eficaz es la
mamografía, sin embargo, el elevado número de biopsias realizadas supone un problema,
debido al gran porcentaje de biopsias realizadas innecesariamente que presentan resultados
benignos. Para reducirlo, se han propuesto varios sistemas de diagnóstico basados en técnicas
de deep learning a lo largo de los años, que proporcionan ayuda a los médicos para decidir si
se realiza una biopsia de seno en caso de que aparezca una lesión sospechosa en la mamografía.
En este trabajo se presentan dos métodos distintos, regresión lineal múltiple y redes neuronales
artificiales, para predecir el resultado de la biopsia a través de distintos parámetros, tanto de la
paciente, como de los que se aprecian en la mamografía. Se ha evaluado el rendimiento analítico
de todos los métodos utilizados, mediante el error cometido, la especificidad y sensibilidad del
método, y el análisis ROC de los modelos en el que se ha estimado una mejor predicción, que
se trata del algoritmo perceptrón multicapa, en el que se ha conseguido una fiabilidad del 77%
para la predicción por este método.
