Predicción de efectividad de tratamientos no convencionales en pacientes con cáncer de mama HER2

Abstract

Este trabajo presenta el desarrollo de una herramienta computacional innovadora para apoyar la toma de decisiones en el tratamiento del c´ancer de mama HER2-positivo. El c´ancer de mama femenino es una preocupaci´on mundial debido a su alta incidencia y mortalidad. En particular, el subtipo HER2-positivo representa un desaf´ıo significativo en la pr´actica cl´ınica. El objetivo principal del trabajo es aplicar un modelo de clasificaci´on interpretable basado en la teor´ıa de Dempster-Shafer. Este modelo utiliza caracter´ısticas cl´ınicas e histopatol´ogicas del paciente para predecir la respuesta al tratamiento neoadyuvante. Se busca identificar qu´e variables influyen en la obtenci´on de respuestas completas patol´ogicas, lo que permitir´ıa tomar decisiones informadas en el tratamiento. El enfoque interpretable del modelo brinda la oportunidad de discutir y validar los resultados con especialistas en oncolog´ıa. Adem´as, el modelo proporciona, en fase de entrenamiento, m´as de 20 reglas, las que contienen informaci´on relevante sobre la brecha que existe en algunos pacientes usando un esquema u otro en el tratamiento. En t´erminos de proyecci´on, se destaca el potencial del trabajo para influir en pol´ıticas p´ublicas de salud. La colaboraci´on con instituciones m´edicas permitir´a validar su utilidad en situaciones cl´ınicas reales y respaldar decisiones. El enfoque de investigaci´on continua y el an´alisis prospectivo impulsar´an la transformaci´on en el tratamiento del c´ancer de mama HER2-positivo. En resumen, este trabajo ha logrado un avance en el desarrollo de una herramienta computacional con alta proyecci´on en la atenci´on oncol´ogica. Su buen desempe˜no en comparaci´on con otros m´etodos interpretables, su interpretabilidad y su potencial para mejorar la toma de decisiones cl´ınicas y pol´ıticas en el tratamiento del c´ancer de mama HER2 abren una nueva perspectiva en el avance de la medicina oncol´ogica.