Predicció del Càncer de Pulmó: Un Estudi Comparatiu entre mètodes Estadístics i d'Aprenentatge Automàtic

Identificador:  TFM:2527

Handle: https://hdl.handle.net/20.500.11797/TFM2527

Autors:  Correa de Cabo, Ihona Maria

Resum:
Aquest estudi explora l'aplicació de models estadístics i d'aprenentatge automàtic tradicionals en la predicció de resultats de supervivència per a pacients amb càncer de pulmó. Utilitzant un conjunt de dades de l'Hospital Universitari Arnau de Vilanova (2012–2021), compara els models de Cox i Weibull amb els enfocaments Random Survival Forests, Gradient Boosting i xarxes neuronals. Les mètriques d'avaluació inclouen l'índex de concordància, la puntuació Integrated Brier i la importància de les característiques. Els resultats mostren que els models d'aprenentatge automàtic, en particular els Random Survival Forests, superen lleugerament els mètodes tradicionals en precisió predictiva. No obstant això, els models estadístics continuen sent més interpretables. L'estudi destaca la necessitat de millorar la interpretabilitat dels models d'aprenentatge automàtic per augmentar la seva rellevància clínica.