Un Primer Abordaje para la Predicción de la Enfermedad de Injerto contra Huésped en Trasplante de Médula Ósea en Pacientes Pediátricos

La enfermedad de injerto contra huésped (EICH) es una complicación común en un paciente, luego de ser sometido a un trasplante de médula ósea y puede ser mortal. En la actualidad los especialistas no tienen manera de predecir de forma efectiva si el paciente puede desarrollar la enfermedad. A partir...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Gibert, Lázaro A., Guerra, Rodrigo, Dunstan, Jocelyn, Palma, Julia, Soto, Axel J., Maguitman, Ana Gabriela, Chesñevar, Carlos Iván
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2023
Materias:
Ciencias Informáticas
Aprendizaje Automático
Trasplante de médula ósea
Enfermedad de injerto contra huésped
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/166486
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-166486
record_format dspace
spelling I19-R120-10915-1664862024-05-28T20:05:38Z http://sedici.unlp.edu.ar/handle/10915/166486 Un Primer Abordaje para la Predicción de la Enfermedad de Injerto contra Huésped en Trasplante de Médula Ósea en Pacientes Pediátricos Gibert, Lázaro A. Guerra, Rodrigo Dunstan, Jocelyn Palma, Julia Soto, Axel J. Maguitman, Ana Gabriela Chesñevar, Carlos Iván 2023-09 2023 2024-05-28T14:57:36Z es Ciencias Informáticas Aprendizaje Automático Trasplante de médula ósea Enfermedad de injerto contra huésped La enfermedad de injerto contra huésped (EICH) es una complicación común en un paciente, luego de ser sometido a un trasplante de médula ósea y puede ser mortal. En la actualidad los especialistas no tienen manera de predecir de forma efectiva si el paciente puede desarrollar la enfermedad. A partir de esta problemática, en este trabajo se propone obtener distintos modelos de Aprendizaje Automático con el objetivo de predecir, a partir de los datos a los que tiene acceso el especialista, si el paciente va a desarrollar EICH. Como punto de partida se utilizarán dos datasets representativos: por un lado, un conjunto de 187 ejemplos con 37 atributos correspondiente a datos públicos, y por otro, un conjunto de mayor magnitud proporcionado por el Hospital Luis Calvo Mackenna consistente de 536 ejemplos con 227 atributos (seleccionándose un subconjunto de éstos últimos). Nuestra investigación preliminar a partir de los datasets anteriores muestra que se pueden generar distintos modelos con buena capacidad predictiva. En particular utilizamos Árbol de Decisión, Bosque Aleatorio, XGBoost, Regresión Logística, Perceptrón Multicapa, AdaBoost y Potenciación de Gradiente, comparando su desempeño utilizando distintas métricas. Sociedad Argentina de Informática e Investigación Operativa Objeto de conferencia Objeto de conferencia http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf 84-88
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
Aprendizaje Automático
Trasplante de médula ósea
Enfermedad de injerto contra huésped
spellingShingle Ciencias Informáticas
Aprendizaje Automático
Trasplante de médula ósea
Enfermedad de injerto contra huésped
Gibert, Lázaro A.
Guerra, Rodrigo
Dunstan, Jocelyn
Palma, Julia
Soto, Axel J.
Maguitman, Ana Gabriela
Chesñevar, Carlos Iván
Un Primer Abordaje para la Predicción de la Enfermedad de Injerto contra Huésped en Trasplante de Médula Ósea en Pacientes Pediátricos
topic_facet Ciencias Informáticas
Aprendizaje Automático
Trasplante de médula ósea
Enfermedad de injerto contra huésped
description La enfermedad de injerto contra huésped (EICH) es una complicación común en un paciente, luego de ser sometido a un trasplante de médula ósea y puede ser mortal. En la actualidad los especialistas no tienen manera de predecir de forma efectiva si el paciente puede desarrollar la enfermedad. A partir de esta problemática, en este trabajo se propone obtener distintos modelos de Aprendizaje Automático con el objetivo de predecir, a partir de los datos a los que tiene acceso el especialista, si el paciente va a desarrollar EICH. Como punto de partida se utilizarán dos datasets representativos: por un lado, un conjunto de 187 ejemplos con 37 atributos correspondiente a datos públicos, y por otro, un conjunto de mayor magnitud proporcionado por el Hospital Luis Calvo Mackenna consistente de 536 ejemplos con 227 atributos (seleccionándose un subconjunto de éstos últimos). Nuestra investigación preliminar a partir de los datasets anteriores muestra que se pueden generar distintos modelos con buena capacidad predictiva. En particular utilizamos Árbol de Decisión, Bosque Aleatorio, XGBoost, Regresión Logística, Perceptrón Multicapa, AdaBoost y Potenciación de Gradiente, comparando su desempeño utilizando distintas métricas.
format Objeto de conferencia
Objeto de conferencia
author Gibert, Lázaro A.
Guerra, Rodrigo
Dunstan, Jocelyn
Palma, Julia
Soto, Axel J.
Maguitman, Ana Gabriela
Chesñevar, Carlos Iván
author_facet Gibert, Lázaro A.
Guerra, Rodrigo
Dunstan, Jocelyn
Palma, Julia
Soto, Axel J.
Maguitman, Ana Gabriela
Chesñevar, Carlos Iván
author_sort Gibert, Lázaro A.
title Un Primer Abordaje para la Predicción de la Enfermedad de Injerto contra Huésped en Trasplante de Médula Ósea en Pacientes Pediátricos
title_short Un Primer Abordaje para la Predicción de la Enfermedad de Injerto contra Huésped en Trasplante de Médula Ósea en Pacientes Pediátricos
title_full Un Primer Abordaje para la Predicción de la Enfermedad de Injerto contra Huésped en Trasplante de Médula Ósea en Pacientes Pediátricos
title_fullStr Un Primer Abordaje para la Predicción de la Enfermedad de Injerto contra Huésped en Trasplante de Médula Ósea en Pacientes Pediátricos
title_full_unstemmed Un Primer Abordaje para la Predicción de la Enfermedad de Injerto contra Huésped en Trasplante de Médula Ósea en Pacientes Pediátricos
title_sort un primer abordaje para la predicción de la enfermedad de injerto contra huésped en trasplante de médula ósea en pacientes pediátricos
publishDate 2023
url http://sedici.unlp.edu.ar/handle/10915/166486
work_keys_str_mv AT gibertlazaroa unprimerabordajeparalapredicciondelaenfermedaddeinjertocontrahuespedentrasplantedemedulaoseaenpacientespediatricos
AT guerrarodrigo unprimerabordajeparalapredicciondelaenfermedaddeinjertocontrahuespedentrasplantedemedulaoseaenpacientespediatricos
AT dunstanjocelyn unprimerabordajeparalapredicciondelaenfermedaddeinjertocontrahuespedentrasplantedemedulaoseaenpacientespediatricos
AT palmajulia unprimerabordajeparalapredicciondelaenfermedaddeinjertocontrahuespedentrasplantedemedulaoseaenpacientespediatricos
AT sotoaxelj unprimerabordajeparalapredicciondelaenfermedaddeinjertocontrahuespedentrasplantedemedulaoseaenpacientespediatricos
AT maguitmananagabriela unprimerabordajeparalapredicciondelaenfermedaddeinjertocontrahuespedentrasplantedemedulaoseaenpacientespediatricos
AT chesnevarcarlosivan unprimerabordajeparalapredicciondelaenfermedaddeinjertocontrahuespedentrasplantedemedulaoseaenpacientespediatricos
_version_ 1807223112155004928

Ejemplares similares