Un Modelo para la Predicción de Recidiva de Pacientes Operados de Cáncer de Mama (CMO) Basado en Redes Neuronales

La prediccion de recidiva en pacientes que han sido operados de cancer de mama juega un papel muy importante en tareas medicas como el diagnostico y la planificacion del tratamiento que hay que realizarle al mismo. En la actualidad, los expertos medicos estan llevando a cabo estas tareas usando tecnicas no numericas. Las redes neuronales artificiales se muestran como una herramienta potente para el analisis de conjuntos de datos donde hay relaciones no lineales entre los datos a estudio y la informacion a ser predecida. En este articulo estimamos tanto la probabilidad de clasificacion correcta como la regla de Bayes utilizando un perceptron multicapa, que nos permite, al mismo tiempo, conocer la precision de la regla de decision obtenida. Este estudio se ha aplicado en la prediccion de recidiva de pacientes operados de cancer de mama, usando para ello datos clinico-patologicos (tamano del tumor, edad del paciente, receptores de estrogenos, etc.) procedentes del servicio medico de Oncologia del Hospital Clinico Universitario de Malaga. Se han estudiado diferentes topologias del perceptron multicapa para obtener la mejor precision en la prediccion. Los resultados actuales muestran que, despues del proceso de aprendizaje, el modelo teorico final propuesto es apropiado para hacer predicciones de la probabilidad de recidiva en diferentes intervalos de tiempo.