Utilidad de la inteligencia artificial para predecir el riesgo de la resección pulmonar

  1. Novoa, Nuria M.
Dirigida por:
  1. Gustavo Santos García Director/a
  2. Gonzalo Varela Simó Director/a

Universidad de defensa: Universidad de Salamanca

Fecha de defensa: 04 de octubre de 2001

Tribunal:
  1. Alberto Gómez Alonso Presidente/a
  2. Marcelo Fernando Jiménez López Secretario/a
  3. Jorge Freixinet Gilart Vocal
  4. Francisco Javier López Pujol Vocal
  5. Jesús López Fidalgo Vocal

Tipo: Tesis

Teseo: 88956 DIALNET lock_openGREDOS editor

Resumen

INTRODUCCIÓN La cirugía de resección pulmonar en pacientes con carcinoma de pulmón no está exenta de riesgo, De momento no contamos con ninguna herramienta que nos permita personalizar el riesgo de cada enfermo. La metodología empleada para su estudio deja varios problemas sin resolver como son el que un porcentaje elevado del riesgo sea impredecible y sobre todo que no se detectan los enfermos que se van a complicar. La inteligencia aritificial (A.I.) por medio de las redes neuronales puede ser un método alternativo para el estudio del riesgo que no se ha aplicado antes en cirugía torácica. HIPÓTESIS La aplicación de un sistema de A.I.U., a la predicción del riesgo quirúrgico de la resección pulmonar permite mejorar los resultados obtenidos utilizando la metodología de modelización mediante regresión logística. MÉTODO Estudio prospectivo. Población: pacientes conresección pulmonar intervenidos en nuestra unidad del el 1/1/94 al 311/12/00. Divididos en dos grupos: G.de referencia: 1/1/94 a l 31/12/99 y G.de validación: 1/1/00 al 31/12/00. Registro de martalidad y de morbilidad de la serie. Estudio descriptivo de variables contínuas y cualitativas. Construcción del modelo deregresión logística: análisis univariable, multivariable, función de regresión, validación del modelo: Curva ROC, sensibilidad y especificidad. Construcción del modelo de red neuronal. Red perceptron multicapa, definición de variables de trabajo, entrenamiento de la red, validación: curva ROC, sensibilidad y especificidad. RESULTADOS Población total 512 enfermos. Mortalidad total hospitalaria: 5,6%. Modelo de regresión: sólo Edady FEV1 ppo% significativas. Area definida por la curva ROC: 0,670. Modelo de red neujronal: Area definida por la curva: 0,988.