SISTEMA INFORMÁTICO PARA ESTIMAR EL RIESGO DE CÁNCER DE MAMA APLICANDO TÉCNICAS DE APRENDIZAJE AUTOMÁTICO / COMPUTER SYSTEM TO ESTIMATE THE RISK OF BREAST CANCER BY APPLYING MACHINE LEARNING TECHNIQUES

Autores/as

  • Asley F. Cruz González Universidad Autónoma de Baja California, México
  • José M. Valencia Moreno Universidad Autónoma de Baja California, México
  • Everardo Gutiérrez López Universidad Autónoma de Baja California, México

Palabras clave:

Aprendizaje automático, Cáncer de mama, Factores de riesgo.

Resumen

El cáncer de mama es una enfermedad que afecta a las personas de todo el mundo, con mayores tasas de incidencia en el sexo femenino, aunque no excluye al sexo masculino. Se encuentra entre los cinco tipos de cáncer más mortíferos, teniendo mayor afluencia en los países menos desarrollados donde el acceso a los programas de salud es más deficiente. Las altas cifras de afectación y muerte son alarmantes, en la mayoría de los casos porque se detecta en etapas tardías. Se conoce clínicamente que en pacientes donde se logra detectar la enfermedad en etapas I y II se aumenta considerablemente el pronóstico de vida y las tasas de supervivencia. En el presente trabajo se propone el desarrollo de un sistema informático de carácter preventivo como proceso hospitalario orientado a Latinoamérica y el Caribe basado en factores de riesgo característicos de la población a fin de estimar la posibilidad de que las personas sean propensas a tener la enfermedad y así contribuir al diagnóstico clínico de la enfermedad en etapas iniciales. Como punto de partida se tienen los modelos estadísticos basados en cálculos sobre factores de riesgos, donde en 1989 Gail creó un modelo específicamente en la población blanca norteamericana utilizando cinco factores. Para la estimación se utilizan técnicas de aprendizaje automático que confluyen en la elaboración de un modelo computacional que permite calcular las estimaciones y arrojar dichos resultados nutriéndose de los factores de riesgos característicos para poblaciones latinas específicamente los definidos en la norma mexicana NOM-041-SSA2-2011.

Citas

ABDEL-ZAHER, A. M., Y ELDEIB, A. M. (2016). Breast cancer classification using deep belief networks. Expert Systems with Applications, No. 46, pp. 139–144. Disponible en https://doi.org/10.1016/j.eswa.2015.10.015 Visitado el 21 de enero de 2021.

BARNARD, M. E., BOEKE, C. E. y TAMIMI, R. M. (2015). Established breast cancer risk factors and risk of intrinsic tumor subtypes. Biochimica et Biophysica Acta (BBA) - Reviews on Cancer, Vol. 1856, No. 1, 73–85. Disponible en https://doi.org/10.1016/J.BBCAN.2015.06.002 Visitado el 21 de enero de 2021.

Breast Cancer Risk Assessment Tool. (2017) Disponible en https://bcrisktool.cancer.gov/about.html Visitado el 1 de enero de 2021.

CHAURASIA, V., PAL, S. y TIWARI, B. B. (2018). Prediction of benign and malignant breast cancer using data mining techniques. Journal of Algorithms and Computational Technology, Vol. 12, No. 2, pp.119–126. Disponible en https://doi.org/10.1177/1748301818756225 Visitado el 1 de febrero de 2021.

GAIL, M. H., ...[et al.] (1989). Projecting individualized probabilities of developing breast cancer for white females who are being examined annually. Journal of the National Cancer Institute, Vol. 81, No. 24, pp.1879–1886. Disponible https://doi.org/10.1093/jnci/81.24.1879 Visitado el 1 de febrero de 2021.

ICAZA, G., NÚÑEZ, L., y BUGUEÑO, H. (2017). Descripción epidemiológica de la mortalidad por cáncer de mama en mujeres en Chile Epidemiological analysis of breast cancer mortality in women in Chile. Rev Med Chile, 145, p.106–114.

LENCASTRE, H. (2020). Master Project : Breast Cancer Multimodality Scalable Interactions Breast Cancer Multimodality Scalable Interactions Master Project. January. Disponible en https://doi.org/10.13140/RG.2.2.35800.24329/4 Visitado el 21 de enero de 2021.

Lo, L. L. …[et al.] (2018). The iPrevent Online Breast Cancer Risk Assessment and Risk Management Tool: Usability and Acceptability Testing. JMIR Formative Research, Vol. 2, No. 2, e24. Disponible en https://doi.org/10.2196/formative.9935 Visitado el 15 de enero de 2021.

OMS (2011). Estrategia y Plan de Acción sobre e-Salud

OMS. (2014). OMS | Cáncer de mama: prevención y control. WHO.

OMS. (2018). Cáncer. Disponible en https://www.who.int/es/news-room/fact-sheets/detail/cancer Visitado el 15 de enero de 2021.

OMS, y OPS. (2015). Planificación De Programas Integrales Contra El Cáncer De Mama: Un Llamado a La Acción. The Breast Health Global Iniciative. Disponible en https://www.paho.org/hq/dmdocuments/2015/planificacion-programas-cancer-mama.pdf Visitado el 21 de enero de 2021.

OPS, y OMS. (2018). Cáncer de mama en las Américas-2018. 2. Disponible en https://data.worldbank.org/indicator/NY.GDP.PCAP.CD Visitado el 21 de enero de 2021.

SALUD, S. (2011). Norma Oficial Mexicana NOM-041-SSA2-2011, Para la prevención, diagnóstico, tratamiento, control y vigilancia epidemiológica del cáncer de mama. Diario Oficial de La Federación, p.1–36.

TICE, J. A., …[et al.] (2019). Validation of the breast cancer surveillance consortium model of breast cancer risk. Breast Cancer Research and Treatment, Vol.175, No. 2, pp. 519–523. Disponible en https://doi.org/10.1007/s10549-019-05167-2 Visitado el 21 de enero de 2021.

World Health Organization. (2016). Resumen De Conocimientos Prevención : Factores De Riesgo Y Prevención. The Breast Health Global Initiative, 1–12.

Descargas

Publicado

25-11-2021 — Actualizado el 06-12-2021

Versiones

Cómo citar

Cruz González, A. F. ., Valencia Moreno, J. M., & Gutiérrez López, E. (2021). SISTEMA INFORMÁTICO PARA ESTIMAR EL RIESGO DE CÁNCER DE MAMA APLICANDO TÉCNICAS DE APRENDIZAJE AUTOMÁTICO / COMPUTER SYSTEM TO ESTIMATE THE RISK OF BREAST CANCER BY APPLYING MACHINE LEARNING TECHNIQUES. Universidad & Ciencia, 10, 155–169. Recuperado a partir de https://revistas.unica.cu/index.php/uciencia/article/view/2019 (Original work published 25 de noviembre de 2021)

Número

Sección

Artículos Originales