Aprendizaje supervisado para la predicción de factores personales asociados a hemoptisis en pacientes con carcinoma pulmonar

Abstract

Antecedentes: La hemoptisis, como síntoma del cáncer pulmonar, podría incrementar su intensidad por factores personales y de estilo de vida. Objetivo: Determinar la capacidad del aprendizaje supervisado para predecir y clasificar factores personales predictores de hemoptisis en pacientes con carcinoma pulmonar. Método: Estudio analítico y transversal, proveniente de una base de datos secundaria de 1000 pacientes con cáncer pulmonar de data.world. Las variables fueron edad, niveles de obesidad, alergia al polvo, consumo de bebidas alcohólicas, exposición como fumador pasivo y consumo de cigarrillos. Se usaron prueba t de Student, correlación de Spearman, árbol de decisiones y perceptrón multicapa. Resultados: Los hombres con cáncer pulmonar tuvieron mayores promedios de hemoptisis y exposición personal que las mujeres. La hemoptisis se correlacionó de manera moderada y positiva con el consumo de alcohol, la alergia al polvo, la obesidad y el grado de fumador pasivo. El árbol de decisiones clasificó correctamente el 83,50% de hemoptisis leve, el 88,90% de moderada y el 97,30% de grave. El perceptrón multicapa predijo correctamente el 92% de los casos de hemoptisis leve, el 97,70% de moderada y el 100% de grave. Conclusiones: Los modelos de aprendizaje supervisado son precisos para clasificar y predecir correctamente factores personales y de estilo de vida asociados a hemoptisis por carcinoma pulmonar.

Keywords

• Hemoptisis. Neoplasias pulmonares. Oncología médica. Aprendizaje automático supervisado. Redes neurales de la computación.