Octubre-Diciembre 2006, Nueva época Núm.100
Xalapa • Veracruz • México
Publicación Trimestral


 

 Ventana Abierta

 Mar de Fondo

 Tendiendo Redes

 ABCiencia

 Ser Académico

 Quemar Las Naves

 Campus

 Perfiles

 Pie a Tierra

 Números Anteriores

 Créditos
 

Con fórmulas matemáticas y “minería de datos”
Diseña UV algoritmo que pronostica cáncer de seno

Edith Escalón
700 historias clínicas fueron la base para diseñar el patrón del diagnóstico

Nicandro Cruz, académico de la maestría en Inteligencia Artificial de la UV.
 Mediante herramientas matemáticas y sistemas informáticos, especialistas en Inteligencia Artificial de la Universidad Veracruzana (UV) diseñaron un algoritmo que a partir de la discriminación de datos ayuda al médico a saber si una paciente va o no a desarrollar cáncer de seno.

Para determinar el patrón de regularidad, el investigador y su equipo de trabajo analizaron, durante dos años, las historias clínicas de más de 700 pacientes, así como las variables que presenta cada una, la repetición de factores en diagnósticos positivos y negativos y la combinación de éstos.
Con esa información, y con el apoyo de modelos de representación y programación en algoritmos, lograron extraer una serie de variables que son más importantes para decidir si una persona tiene cáncer o lo va a desarrollar.

El proyecto de investigación es realizado por Nicandro Cruz, académico de la maestría en Inteligencia Artificial de la UV, y apoyado por estudiantes de este posgrado, gracias al financiamiento del Programa de Mejoramiento al Profesorado (PROMEP).

La propuesta se basa en que los fenómenos –como el cáncer– no suceden al azar, sino que siguen ciertos patrones de regularidad. Para saber primero cuál es el patrón que sigue el cáncer y analizar si está presente en la historia clínica de cada paciente es que se utiliza el algoritmo y la metodología diseñada por los universitarios.

Para Nicandro Cruz, lo más importante de esta propuesta es que permite “extraer conocimiento escondido en los datos, aumentar la precisión del diagnóstico y apoyar al médico para que su dictamen no se base sólo en la subjetividad de su propio análisis de información”. Por ello, esta metodología no reemplaza al experto, sino que le da herramientas que le ayudan a corroborar su hipótesis.

Con la “minería de datos”, dijo, es posible utilizar modelos de redes probabilísticas que ayudan a determinar la causa de un determinado factor y, así, analizar bases de datos y determinar las tendencias que se presentan en los diagnósticos.
Señaló que esta metodología aún se está perfeccionando con investigaciones de cuatro estudiantes de posgrado, los cuales están determinando fases de proceso para su posterior aplicación en el campo clínico.