Predicción del Cancer de Pulmón: Un Estudio Comparativo entre métodos Estadísticos y de Aprendizaje Automático

Identificador:  TFM:2527

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

Autores:  Correa de Cabo, Ihona Maria

Resumen:
Este estudio explora la aplicación de modelos estadísticos tradicionales y de aprendizaje automático (*Machine Learning*) para predecir la supervivencia de pacientes con cáncer de pulmón. A partir de un conjunto de datos del Hospital Universitari Arnau de Vilanova (2012–2021), se comparan los modelos de Cox y Weibull con enfoques como Random Survival Forests, Gradient Boosting y redes neuronales. Las métricas de evaluación incluyen el índice de concordancia, la puntuación de Brier integrada y la importancia de las variables. Los resultados muestran que los modelos de aprendizaje automático —en particular, Random Survival Forests— superan ligeramente a los métodos tradicionales en cuanto a precisión predictiva. No obstante, los modelos estadísticos siguen siendo más interpretables. El estudio subraya la necesidad de mejorar la interpretabilidad de los modelos de aprendizaje automático para aumentar su relevancia clínica.