Análisis predictivo del cáncer de mama utilizando técnicas de aprendizaje automático
Este artículo es producto del proyecto de investigación “Análisis predictivo del cáncer de mama utilizando técnicas de aprendizaje automático” realizado en el Instituto Internacional de Investigación y Estudios Manav Rachna, Faridabad, en el año 2018.
Introducción: el presente artículo es parte de un esfuerzo para predecir el cáncer de seno, lo cual es una preocupación seria para la salud de las mujeres.
Problema: el cáncer de mama es el tipo más común de cáncer y siempre ha sido una amenaza para la vida de las mujeres. El diagnóstico precoz requiere un método efectivo para predecir el cáncer que permita a los médicos distinguir el cáncer benigno y el maligno. Investigadores y científicos han estado tratando de encontrar métodos innovadores para predecir el cáncer.
Objetivo: el objetivo de esta investigación es el análisis predictivo del cáncer de seno utilizando diversas
técnicas de aprendizaje automático, como el método Naïve Bayes, el análisis discriminante lineal, K-Nearest
Neighbors y el método de máquina de vectores de apoyo.
Metodología: la minería de datos predictivos se ha convertido en un instrumento para científicos e investigadores en el campo de la medicina. La predicción del cáncer de mama en una etapa temprana ayuda a una mejor cura y tratamiento. KDD (Knowledge Discovery in Databases) es uno de los métodos de minería de datos más populares utilizados por los investigadores médicos para identificar los patrones y la relación entre las variables y también ayuda a predecir el resultado de la enfermedad en función de los datos históricos de los conjuntos de datos.
Resultados: para seleccionar el mejor modelo para la predicción del cáncer, se estimará la precisión de todos los modelos y se seleccionará el mejor modelo.
Cómo citar
Licencia
Derechos de autor 2019 Ingeniaría Solidaria
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Compromiso ético y cesión de derechos
El autor debe declarar que su trabajo es original e inédito y que no se ha postulado a evaluación simultánea para su publicación por otro medio. Además, debe asegurar que no tiene impedimentos de ninguna naturaleza para la concesión de los derechos previstos en el contrato.
El autor se compromete a esperar el resultado de evaluación de la revista Ingeniería Solidaria, antes de considerar su presentación a otro medio; en caso de que la respuesta de publicación sea positiva, adicionalmente, se compromete a responder por cualquier acción de reivindicación, plagio u otra clase de reclamación que al respecto pudiera sobrevenir por parte de terceros.
Asimismo, debe declarar que, como autor o coautor, está de acuerdo por completo con los contenidos presentados en el trabajo y ceder todos los derechos patrimoniales, es decir, su reproducción, comunicación pública, distribución, divulgación, transformación, puesta a disposición y demás formas de utilización de la obra por cualquier medio o procedimiento, por el término de su protección legal y en todos los países del mundo, al Fondo Editorial de la Universidad Cooperativa de Colombia, de manera gratuita y sin contraprestación presente o futura.
C. E. Fear, et al., “Confocal microwave imaging for breast cancer detection: Localization of tumors in three dimensions,” IEEE Transactions on biomedical engineering, vol. 49, no. 8, pp. 812-822, 2002. http://dx.doi.org/10.1109/TBME.2002.800759
N. K. Nikolova, “Microwave imaging for breast cancer,” IEEE microwave magazine, vol. 12, no. 7, pp. 78-94, 2011. doi: http://dx.doi.org/10.1109/MMM.2011.942702
Xie, Yao, et al., “Multistatic adaptive microwave imaging for early breast cancer detection,” IEEE Transactions on Biomedical Engineering, vol. 53, no. 8, pp. 1647-1657, 2006. doi: http://dx.doi.org/10.1109/TBME.2006.878058
E. J. Bond, et al., “Microwave imaging via space-time beamforming for early detection of breast cancer,” IEEE Transactions on Antennas and Propagation, vol. 51, no. 8, pp. 1690-1705, 2003. doi: http://dx.doi.org/10.1109/TAP.2003.815446
J. L. Kelsey, D. G. Marilie, and M. J. Esther, “Reproductive factors and breast cancer,” Epidemiologic reviews, vol. 15, no.1, p. 36, 1993. doi:http://dx.doi.org/10.1093/oxfordjournals.epirev.a036115
P. A. Francis, et al., “Adjuvant ovarian suppression in premenopausal breast cancer,” New England Journal of Medicine, vol. 372, no. 5, pp. 436-446, 2015. doi: http://dx.doi.org/10.1056/NEJMoa1412379
C. E. De Santis, et al., “Breast cancer statistics, 2015: Convergence of incidence rates between black and white women,” CA: a cancer journal for clinicians, vol, 66, no. 1, pp. 31-42, 2016. doi: http://dx.doi.org/10.3322/caac.21320
C. E. De Santis, et al., “Breast cancer statistics, 2017, racial disparity in mortality by state,” CA: a cancer journal for clinicians, vol. 67, no. 6, pp. 439-448, 2017. doi: http://dx.doi.org/10.3322/caac.21412
T. J. Whelan, et al., “Regional nodal irradiation in early-stage breast cancer,” New England Journal of Medicine, vol. 373, no. 4, pp. 307-316, 2015. doi: http://dx.doi.org/10.1056/NEJMoa1415340
K. C. Oeffinger, et al., “Breast cancer screening for women at average risk: 2015 guideline update from the American Cancer Society,” Jama, vol. 314, no. 15, pp. 1599-1614, 2015. doi:http://dx.doi.org/10.1001/jama.2015.12783
M. Kan, et al., “Multi-view discriminant analysis,” IEEE transactions on pattern analysis and machine intelligence, vol. 38, no. 1, pp. 188-194, 2015. doi: http://dx.doi.org/10.1109/TPAMI.2015.2435740
M. Batra, and R. Agrawal, “Comparative Analysis of Decision Tree Algorithms,” in B. Panigrahi, M. Hoda, V. Sharma, and S. Goel (eds), Nature Inspired Computing. Advances in Intelligent Systems and Computing, vol 652, pp. 1-4 Springer, Singapore, 2018. doi: http://dx.doi.org/10.1007/978-981-10-6747-1_4
R. Agrawal, “Design and development of data classification methodology for uncertain data,” Indian Journal of Science and Technology, vol. 9, no. 3, pp. 1-12, 2016. doi: http://dx.doi.org/10.17485/ijst/2016/v9i3/72262
R. Agrawal, “Integrated Parallel K-Nearest Neighbor Algorithm,” Smart Intelligent Computing and Applications, Springer, Singapore, pp. 479-486, 2019. doi: https://doi.org/10.1007/978-981-13-1921-1_47
Agrawal, Rashmi, http://hdl.handle.net/10603/169657 , p 1-50 https://shodhganga.inflibnet.ac.in/handle/10603/169657
Biau, Gérard, and Erwan Scornet. "A random forest guided tour." Test 25.2 , 197-227.,2016, 10.1007/s11749-016-0481-7, http://www.lsta.upmc.fr/BIAU/test-bs.pdf
American Cancer Society. (2019). Cancerorg. Accessed 11 July 2019. [Online]. Available from: https://www.cancer.org/cancer/breast-cancer/non-cancerous-breast-conditions.html
Nihgov. (2019). PubMed Central (PMC). Accessed 11 July 2019. [Online]. Available from: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4115707/
R. Agrawal, “Integrated Effect of Nearest Neighbors and Distance Measures in k-NN Algorithm,” in V. Aggarwal, V. Bhatnagar, and D. Mishra (eds), Big Data Analytics. Advances in Intelligent Systems and Computing, vol 654, pp. 1-6 Springer, Singapore, 2018. doi: https://doi.org/10.1007/978-981-10-6620-7_74
R. Agrawal, “A modified K-nearest neighbor algorithm using feature optimization,” Int. J. Eng. Technol., vol. 8, no. 1, pp. 28–37, 2016. [Online]. Available from: http://www.enggjournals.com/ijet/vol8issue1.html
