Tecnologías Específicas

Computación

Descripcion y Objetivos

El cáncer de mama metastásico es considerado uno de los tipos de cáncer más agresivos, por lo que suele requerir de un tratamiento urgente y oportuno. Los retrasos innecesarios en el diagnóstico y el tratamiento posterior pueden tener efectos devastadores en estos cánceres tan difíciles. Las diferencias en el tiempo de espera para recibir tratamiento son un buen indicador de las disparidades en el acceso a la atención médica.

El objetivo principal de este trabajo fin de grado es desarrollar modelos de aprendizaje automático capaces de predecir si los pacientes recibieron un diagnóstico de cáncer metastásico dentro de los 90 días posteriores al cribado. Esto es crucial para identificar posibles disparidades en el acceso a la atención médica y evaluar cómo factores demográficos y ambientales pueden influir en el tiempo de tratamiento.

Los datos que se van a usar han sido proporcionados por la Gilead Sciences, y contiene datos demográficos, opciones de diagnóstico y tratamiento, y seguro proporcionado a pacientes a las que se les diagnosticó cáncer de mama entre 2015 y 2018. Actualmente estos datos están disponibles en la plataforma Kaggle: https://www.kaggle.com/competitions/widsdatathon2024-challenge1/overview.

El objetivo de este trabajo fin de grado es estudiar el problema y proporcionar distintas soluciones al mismo, comparándolas desde un punto de vista que sea metodológicamente correcto. Además, se proporcionará una aplicación software para realizar predicciones online, así como para explicar el motivo de la salida correspondiente. Con este fin planteamos los siguientes objetivos:

• Realizar un estudio de los datos disponibles
• Realizar las transformaciones necesarias sobre los datos de entrada para poder abordar la tarea correspondiente
• Definir los métodos de aprendizaje automático para realizar la predicción
• Integrar el modelo de aprendizaje automático en una aplicación online

 

 

Metodología y Competencias

Metodología

1. Revisar el contexto del problema y la literatura disponible
2. Realizar un análisis exploratorio de los datos existentes
3. Sobre la partición de datos de entrenamiento, diseñar procesos de minería de datos centrados en:
   1. Validación de los modelos obtenidos
   2. Identificación de los algoritmos de minería de datos que mejor encajen en el problema objetivo
   3. Preprocesamiento de datos
   4. Iterar refinando los pasos anteriores hasta determinar uno o varios modelos exitosos
4. Documentar todo el proceso anterior para que sea reproducible
5. Estimar la bondad de los modelos finales sobre el conjunto de datos de prueba reservado a tal efecto
6. Integrar los modelos finales en una aplicación
7. Redactar la memoria

Competencias

Se trabajarán principalmente y en distinto grado las siguientes competencias específicas de la tecnología de computación:

• Capacidad para evaluar la complejidad computacional de un problema, conocer estrategias algorítmicas que puedan conducir a su resolución y recomendar, desarrollar e implementar aquella que garantice el mejor rendimiento de acuerdo con los requisitos establecidos
• Capacidad para conocer los fundamentos, paradigmas y técnicas propias de los sistemas inteligentes y analizar, diseñar y construir sistemas, servicios y aplicaciones informáticas que utilicen dichas técnicas en cualquier ámbito de aplicación
• Capacidad para adquirir, obtener, formalizar y representar el conocimiento humano en una forma computable para la resolución de problemas mediante un sistema informático en cualquier ámbito de aplicación, particularmente los relacionados con aspectos de computación, percepción y actuación en ambientes entornos inteligentes
• Capacidad para conocer y desarrollar técnicas de aprendizaje computacional y diseñar e implementar aplicaciones y sistemas que las utilicen, incluyendo las dedicadas a extracción automática de información y conocimiento a partir de grandes volúmenes de datos

 

Medios a utilizar

Ordenadores personales, compiladores y entornos de programación. Servicios de procesaores para el entrenamiento e inferencia de los modelos. Todo disponible en la escuela, instituto de investigación o mediante servicios en la nube.

 

Bibliografía

Libros y manuales de inteligencia artificial y aprendizaje automático. Libros y manuales de lenguajes de programación y librerías específicas de aprendizaje automático. Todo disponible en la escuela o internet.