Mi SciELO
Servicios Personalizados
Articulo
Indicadores
- Citado por SciELO
Links relacionados
- Similares en SciELO
Compartir
Nucleus
versión On-line ISSN 2075-5635
Resumen
ZAMBRANO RAMIREZ, Oscar Daniel y FONTBONNE, Jean-Marc. Desarrollo de modelos de predicción basados clínicamente utilizando aprendizaje automático y estadísticas bayesianas. Nucleus [online]. 2019, n.65, pp. 6-10. Epub 27-Jul-2019. ISSN 2075-5635.
En este trabajo el marco teórico, para desarrollar modelos genéricos basados en datos clínicos, se enfatiza e ilustra con estadísticas bayesianas las cuales predicen grados neurológicos para ilustrar los tipos de modelos que se pueden desarrollar desde un punto de vista matemático. Los modelos se basan en datos clínicos de pacientes que se han sometido a radioterapia por causa de un glioblastoma, el cual es un cáncer de cerebro agresivo. Un primer modelo requiere como parámetro el grado neurológico del paciente antes del tratamiento y predice el grado después del tratamiento. Un segundo modelo, mejorado, fue desarrollado con el propósito de hacerlo más real, éste emplea también el grado neurológico antes del tratamiento; además depende del Volumen Blanco Clínico (CTV por sus siglas en inglés). Por último, con el uso de estadísticas bayesianas fue posible estimar la incertidumbre de las predicciones.
Palabras clave : aprendizaje; sistemas adaptivos; estadística; ensayos clínicos; ecuaciones de predicción.