Análisis de datos mediante técnicas de deep learning aplicadas a casos médicos

Abstract

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.