Predicción del tiempo de supervivencia de pacientes con cáncer de pulmón mediante análisis radiómico

Tejedor Delso, Sandra (2018). Predicción del tiempo de supervivencia de pacientes con cáncer de pulmón mediante análisis radiómico. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S. de Ingenieros Informáticos (UPM), Madrid, España.

Description

Title: Predicción del tiempo de supervivencia de pacientes con cáncer de pulmón mediante análisis radiómico
Author/s:
  • Tejedor Delso, Sandra
Contributor/s:
  • Gonzalo Martín, Consuelo
Item Type: Final Project
Degree: Grado en Ingeniería Informática
Date: January 2018
Subjects:
Faculty: E.T.S. de Ingenieros Informáticos (UPM)
Department: Arquitectura y Tecnología de Sistemas Informáticos
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img]
Preview
PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (1MB) | Preview

Abstract

Actualmente, las herramientas para predecir la supervivencia de los pacientes con cáncer de pulmón de células no pequeñas (CPCNP) se basan únicamente en la información clínica y de estadificación. A lo largo de este documento, se analizará una serie de características extraídas a partir de las imágenes de tomografía computarizada (TC) y así estudiar si se pueden utilizar estas características como biomarcadores que pronostiquen la supervivencia o que predigan el cáncer con antelación. Los análisis que se realizarán a lo largo del estudio serán a partir de 24 características que hemos extraído y la edad de los pacientes para el subgrupo de CPCNP al que pertenezcan. Se harán 3 análisis diferentes para evaluar la utilidad de estas características radiológicas. El primer estudio se basará en la correlación de rango de Spearman para identificar qué características se correlacionan con la supervivencia de los pacientes. Gracias a la corrección de Holm-Bonferroni se obtendrán los resultados significativos con valores menores a P<0,05. Seguidamente, se realizará un análisis de supervivencia basado en el estimador de Kaplan-Meier y la prueba log-rank para encontrar características que conduzcan a curvas de supervivencia significativas. Por último, se mostrarán las curvas de ROC medias y los valores de AUC obtenidos por los modelos de Random Forest para predecir el resultado de supervivencia de los pacientes sobre los subgrupos de CPCNP, que en los análisis anteriores han sido significativos.--ABSTRACT--To this day, prognostic approach to non-small cells lung cancer (NSCLC) is based on clinical information and staging. In this paper, several items from computerized tomography (CT) scan images will be analyzed in order to study their use as prognostic biomarkers in survival or cancer prediction. Through this work 24 features will be studied upon age and NSCLC subgroup. Therefore, three different analysis will be run to evaluate the utility of different radiologic characteristics. The first study uses Spearman rank correlation to identify the items that do relate to the patient’s survival rate. Due to Holm-Bonferroni method, significance is reached with P<0,05 values. Afterwards, a survival analysis based on Kaplan-Meier estimator and log-rank test will be run so as to find which items lead to significance in survival rates. Finally, ROC mean values and AUC values are obtained through Random Forest models in order to predict survival results among those NSCLC subgroups in which previous analysis have shown significance.

More information

Item ID: 54335
DC Identifier: http://oa.upm.es/54335/
OAI Identifier: oai:oa.upm.es:54335
Deposited by: Biblioteca Facultad de Informatica
Deposited on: 18 Mar 2019 09:52
Last Modified: 18 Mar 2019 09:52
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM