Priorización de pacientes de cáncer de pulmón, utilizando técnicas de procesamiento de lenguaje natural sobre Tc. de tórax
Professor Advisor
dc.contributor.advisor
Segovia Riquelme, Carolina
Author
dc.contributor.author
Suárez Salas, Mariano Agustín
Associate professor
dc.contributor.other
Weber Haas, Richard
Associate professor
dc.contributor.other
Urrutia Uribe, Rodolfo
Admission date
dc.date.accessioned
2024-07-11T20:26:59Z
Available date
dc.date.available
2024-07-11T20:26:59Z
Publication date
dc.date.issued
2023
Identifier
dc.identifier.uri
https://repositorio.uchile.cl/handle/2250/199544
Abstract
dc.description.abstract
El cáncer de pulmón en Chile es una de las principales limitantes de la esperanza de vida
de los habitantes del país, al ser la enfermedad con mayor nivel de mortalidad. Detectar
tempranamente una sospecha de cáncer de pulmón puede incurrir en grandes mejoras para
la esperanza y calidad de vida de las personas, así como el impacto de la enfermedad para el
Estado y el Sistema de Salud Público.
Existe información clave para la detección temprana de cáncer de pulmón presente en los
exámenes de TC. de tórax. Se propone generar un modelo predictivo de sospecha de cáncer
de pulmón a través de técnicas de procesamiento de lenguaje natural, con la finalidad de
priorizar casos sospechosos en el Hospital Doctor Sótero del Río, optando a un tratamiento
oportuno y eficaz.
El diseño de modelos de predicción de sospecha de cáncer pulmonar se desarrolla en base a
clasificadores clásicos del NLP como lo son Random Forest en conjunto con TF-IDF. Así como
modelos de Redes Neuronales del estado del arte y word embeddings. Se evaluó el desempeño
en base a la métrica Recall para la clase positiva, es decir, un paciente con sospecha de cáncer
de pulmón. El mejor modelo predictivo de cáncer de pulmón posee una alta sensibilidad, y
predice correctamente el 89 % de los casos positivos. Los datos utilizados corresponden a TC.
de tórax etiquetados por Oncólogos y equipo médico de la Red de Salud. Al utilizar biopsias
y otras fuentes de datos para la construcción de una etiqueta de cáncer general, el desempeño
disminuye con un Recall del 63 %.
Se evidencia el potencial del NLP y el aprendizaje automático en la detección de cáncer
de pulmón a partir de informes de TC. Se lograron resultados prometedores, pero es esencial
considerar las implicaciones clínicas y abordar las limitaciones para una implementación
exitosa en entornos médicos reales.
es_ES
Lenguage
dc.language.iso
es
es_ES
Publisher
dc.publisher
Universidad de Chile
es_ES
Type of license
dc.rights
Attribution-NonCommercial-NoDerivs 3.0 United States